Kom igångKom igång gratis

Ett missat samtal

Du är klar med att omforma din churn-datamängd i de tidigare övningarna. Nu är den redo att användas. Du minns att något fångade din uppmärksamhet – du är säker på att du såg ett tydligt mönster i datan.

Innan du anpassar en klassificeringsmodell bestämmer du dig för att göra något enklare. Du vill se vad mer du kan lära dig av datan. Du omformar datan genom att stapla upp nivåer, men du vet att den processen genererar saknade värden som du behöver hantera.

DataFrame-objektet churn innehåller olika särdrag för kunder i Los Angeles och New York och är tillgängligt för dig. Se till att undersöka det i konsolen!

Den här övningen är en del av kursen

Omforma data med pandas

Visa kurs

Övningsinstruktioner

  • Omforma DataFrame-objektet churn genom att stapla upp nivån med namnet churn och fyll de saknade värdena med noll.
  • Sortera churn efter kolumnen voice_mail_plan i fallande ordning och sedan efter kolumnen international_plan i stigande ordning.
  • Skriv ut det slutliga DataFrame-objektet churn_sorted.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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(____)
Redigera och kör kod