Tarih özellikleri

Sayısal değişkenleri kullanarak bazı temel özellikler oluşturdun. Şimdi tarih ve zamana dayalı özellikler üretme zamanı. Taxi Fare Prediction Kaggle yarışması verilerinden bir alt örnek üzerinde pratik yapacaksın. Veriler taksi yolculuklarıyla ilgili bilgileri içeriyor ve amaç her yolculuğun fiyatını tahmin etmek.

Hedefin, alım zamanından (pickup datetime) tarih özellikleri türetmek. Unutma, yeni özellikleri train ve test verileri için aynı anda oluşturmak daha iyidir. Özellikler oluşturulduktan sonra veriyi tekrar train ve test DataFrame'lerine ayır. Burada bu işlem pandas'ın isin() metodu kullanılarak yapılıyor.

train ve test DataFrame'leri çalışma alanında zaten mevcut.

Bu egzersiz, kursun bir parçasıdır

Python ile Bir Kaggle Yarışmasını Kazanmak

Kursa Göz Atın

Egzersiz talimatları

train ve test DataFrame'lerini tek bir taxi DataFrame'inde birleştir.
"pickup_datetime" sütununu bir datetime nesnesine dönüştür.
"pickup_datetime" sütunundan haftanın günü (.dayofweek özniteliği) ve saat (.hour özniteliği) özelliklerini oluştur.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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'])]

Kodu Düzenle ve Çalıştır