ÎncepețiÎncepe gratuit

Manipularea coloanelor

Administrația Federală a Aviației (FAA) consideră că un zbor este „întârziat" atunci când aterizează cu 15 minute sau mai mult față de ora programată.

Următorul pas în pregătirea datelor despre zboruri are două componente:

  1. conversia unităților de distanță, înlocuind coloana mile cu o coloană km; și
  2. crearea unei coloane booleene care să indice dacă un zbor a fost întârziat sau nu.

Acest exercițiu face parte din cursul

Machine Learning cu PySpark

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă o funcție care îți permite să rotunjești un număr la un anumit număr de zecimale.
  • Derivă o nouă coloană km din coloana mile, rotunjind la zero zecimale. Un milă echivalează cu 1,60934 km.
  • Elimină coloana mile.
  • Creează o coloană label cu valoarea 1 dacă întârzierea a fost de 15 minute sau mai mult, și 0 în caz contrar. Gândește-te cu atenție la condiția logică.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import the required function
from pyspark.sql.functions import ____

# Convert 'mile' to 'km' and drop 'mile' column (1 mile is equivalent to 1.60934 km)
flights_km = flights.____('km', ____(____ * ____, 0)) \
                    .____('mile')

# Create 'label' column indicating whether flight delayed (1) or not (0)
flights_km = flights_km.____('label', (____).cast('integer'))

# Check first five records
flights_km.show(5)
Editează și rulează codul