Aggregering i praktiken
Efter några mindre uppdrag för ett bibliotek och en e-bokhandel har du äntligen fått ditt första riktiga marknadskorgsanalysprojekt: att hjälpa en webbutik för noveltyartiklar med korsmarknadsföring. Eftersom butiken aldrig tidigare anlitat en datavetare vill den att du börjar med att utforska transaktionsdata. Du har blivit ombedd att utföra aggregering för alla signs i datamängden och beräkna supporten för den kategorin. Observera att pandas redan har importerats som pd och att data finns tillgänglig i one-hot-kodat format som onehot.
Den här övningen är en del av kursen
Marknadskorgsanalys i Python
Övningsinstruktioner
- Välj den delmängd av DataFramens kolumner som innehåller strängen
sign. - Skriv ut supporten för
signs.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Select the column headers for sign items
sign_headers = [i for i in onehot.columns if i.lower().find('sign')>=0]
# Select columns of sign items using sign_headers
sign_columns = onehot[____]
# Perform aggregation of sign items into sign category
signs = sign_columns.sum(axis = 1) >= 1.0
# Print support for signs
print('Share of Signs: %.2f' % ____.mean())