НачатьНачать бесплатно

Пропущенный звонок

В предыдущих упражнениях вы завершили преобразование набора данных churn. Теперь он готов к использованию. Вы вспоминаете, что кое-что привлекло ваше внимание — вы уверены, что заметили чёткую закономерность в данных.

Прежде чем обучать классификационную модель, вы решаете сделать кое-что попроще. Вы хотите изучить данные подробнее и преобразуете их с помощью анстекинга уровней — но знаете, что этот процесс может порождать пропущенные значения, с которыми нужно будет разобраться.

Датафрейм churn содержит различные характеристики клиентов из Лос-Анджелеса и Нью-Йорка и доступен для работы. Обязательно изучите его в консоли!

Это упражнение является частью курса

Преобразование данных с помощью pandas

Посмотреть курс

Инструкции к упражнению

  • Преобразуйте датафрейм churn, выполнив анстекинг уровня с именем churn и заполнив пропущенные значения нулями.
  • Отсортируйте датафрейм churn по столбцу voice_mail_plan в порядке убывания, затем по столбцу international_plan в порядке возрастания.
  • Выведите итоговый датафрейм churn_sorted.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Unstack churn level and fill missing values with zero
churn = ____.____(level=____, ____=____)

# Sort by descending voice mail plan and ascending international plan
churn_sorted = churn.____(____=[____, ____], 
                          ____=[____, ____])

# Print final DataFrame and observe pattern
print(____)
Редактировать и запускать код