Kolumnmanipulering

Federal Aviation Administration (FAA) räknar en flygning som "försenad" när den anländer 15 minuter eller mer efter planerad tid.

Nästa steg i förberedelsen av flygdata består av två delar:

konvertera distansenheter genom att ersätta kolumnen mile med en kolumn km, och
skapa en boolesk kolumn som anger om en flygning var försenad eller inte.

Den här övningen är en del av kursen

Maskininlärning med PySpark

Visa kurs

Övningsinstruktioner

Importera en funktion som låter dig avrunda ett tal till ett visst antal decimaler.
Skapa en ny kolumn km från kolumnen mile, avrundad till noll decimaler. En mile är 1,60934 km.
Ta bort kolumnen mile.
Skapa en kolumn label med värdet 1 om förseningen var 15 minuter eller mer, annars 0. Tänk noga på det logiska villkoret.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)

Redigera och kör kod