Kom igångKom igång gratis

Analysera datetime-kolumner

Särdragsutvinning är ett viktigt steg i alla maskininlärningsflöden – det handlar om att bearbeta särdrag från olika datatyper. Datetime-kolumner är till exempel vanliga i många datamängder. I den här övningen utforskar du kolumnen hour i datamängden, som lagras som ett heltal men representerar ett datetime-värde. Du börjar med att tolka hour-kolumnen och omvandla den till en datetime-kolumn. Sedan extraherar du timmen på dygnet från den kolumnen och beräknar det totala antalet klick baserat på timmen.

Pandas-modulen är tillgänglig som pd i din miljö och exempeldatan är inläst som df.

Den här övningen är en del av kursen

Förutsäga CTR med maskininlärning i Python

Visa kurs

Övningsinstruktioner

  • Omvandla kolumnen hour från ett heltal till en datetime-kolumn med hjälp av pd.to_datetime().
  • Använd datetime-accessorn .dt för att extrahera timfältet från den omvandlade kolumnen med .hour.
  • Beräkna det totala antalet klick per timme på dygnet med .sum().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Change the hour column to a datetime and extract hour of day
df['hour'] = pd.____(df['hour'], format = '%y%m%d%H')
df['hour_of_day'] = df['hour'].____.____
print(df.head(5))

# Get and plot total clicks by hour of day
df.____('hour_of_day')['click'].____.plot.bar(figsize=(12,6))
plt.ylabel('Number of clicks')
plt.title('Number of clicks by hour of day')
plt.show()
Redigera och kör kod