Sammanfattande statistik för båda klasserna
Studera följande .groupby()-kod:
# Group by x and compute the standard deviation
df.groupby(['x']).std()
Här grupperas en DataFrame df efter kolumnen 'x', varefter standardavvikelsen beräknas för alla kolumner i df för varje värde i 'x'. Metoden .groupby() är mycket användbar när du vill undersöka specifika kolumner i din datamängd. Nu ska du utforska kolumnen 'Churn' närmare för att se om det finns skillnader mellan kunder som churnar och de som inte gör det. En delmängd av DataFrame:n telco, bestående av kolumnerna 'Churn', 'CustServ_Calls' och 'Vmail_Message', finns tillgänglig i din arbetsyta.
Om du behöver en genomgång av hur .groupby() fungerar kan du gå tillbaka till förkursen Manipulating DataFrames with pandas.
Den här övningen är en del av kursen
Marknadsföringsanalys: Prediktera kundbortfall i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Group telco by 'Churn' and compute the mean
print(telco.____(['____']).____())