Datumbaserade särdrag

Du har skapat några grundläggande särdrag med hjälp av numeriska variabler. Nu är det dags att skapa särdrag baserade på datum och tid. Du får öva på ett urval från data i Kaggle-tävlingen Taxi Fare Prediction. Datan beskriver information om taxiresor, och målet är att förutsäga priset för varje resa.

Ditt mål är att generera datumbaserade särdrag från upphämtningstidpunkten (pickup datetime). Kom ihåg att det är bättre att skapa nya särdrag för tränings- och testdata samtidigt. När särdragen är skapade delar du upp datan igen i tränings- och test-DataFrames. Det görs här med pandas' metod isin().

train- och test-DataFrames finns redan tillgängliga i din arbetsyta.

Den här övningen är en del av kursen

Vinna en Kaggle-tävling i Python

Visa kurs

Övningsinstruktioner

Sammanfoga train- och test-DataFrames till en enda DataFrame taxi.
Konvertera kolumnen "pickup_datetime" till ett datetime-objekt.
Skapa särdragen veckodag (med attributet .dayofweek) och timme (med attributet .hour) från kolumnen "pickup_datetime".

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Concatenate train and test together
taxi = ____.____([train, test])

# Convert pickup date to datetime object
taxi['pickup_datetime'] = ____.____(taxi['pickup_datetime'])

# Create a day of week feature
taxi['dayofweek'] = taxi['pickup_datetime'].dt.____

# Create an hour feature
taxi['hour'] = taxi['pickup_datetime'].dt.____

# Split back into train and test
new_train = taxi[taxi['id'].isin(train['id'])]
new_test = taxi[taxi['id'].isin(test['id'])]

Redigera och kör kod