Preprocesarea datelor censurate

Ești biolog marin și studiezi durata de viață a delfinilor rotitori. Ai acces la date istorice cu datele de naștere și de deces ale acestora. Unii delfini marcați au migrat într-o altă zonă a apei, iar laboratorul le-a pierdut urma. Alți delfini provin dintr-un alt grup, iar datele lor exacte de naștere sunt necunoscute. Unii delfini sunt încă în viață!

Dacă data nașterii este NaN, delfinul este un migrant.
Dacă data decesului este NaN, delfinul fie a fugit, fie este în viață.

DataFrame-ul se numește dolphin_df. Pentru a crea o nouă coloană numită observed care să marcheze dacă durata de viață a unui delfin este censurată, completează funcția check_observed cu valorile potrivite și folosește .apply() pentru a aplica funcția pe dolphin_df.

pandas și numpy sunt importate ca pd, respectiv np.

Acest exercițiu face parte din cursul

Analiza de supraviețuire în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Creează o funcție check_observed care să returneze 0 dacă datele sunt censurate și 1 în caz contrar.
Creează o coloană de marcare a censurării numită observed folosind funcția check_observed.
Afișează în consolă valoarea medie a coloanei observed.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Create a function to return 1 if observed 0 otherwise
def check_observed(row):
    if pd.isna(row['birth_date']):
        flag = ____
    elif pd.isna(row['death_date']):
        flag = ____
    else:
        flag = ____
    return ____
  
# Create a censorship flag column
dolphin_df[____] = dolphin_df.apply(____, axis=1)

# Print average of observed
print(np.average(____))

Editează și rulează codul