执行聚合
在为一家图书馆和一家电子书卖家完成了一些小型咨询工作后，您终于接到了第一个大型购物篮分析项目：为一家在线创意礼品零售商提供交叉促销建议。由于该零售商此前从未聘请过数据科学家，它希望您先从其交易数据入手进行探索。它要求您对数据集中所有 signs 进行聚合，并计算该类别的支持度。注意，pandas 已作为 pd 导入。此外，数据已以独热编码（one-hot encoded）格式导入为 onehot。
本练习是课程的一部分
Python 中的购物篮分析
练习说明
- 选取 DataFrame 中列名包含字符串
sign的列子集。 - 输出
signs的支持度。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Select the column headers for sign items
sign_headers = [i for i in onehot.columns if i.lower().find('sign')>=0]
# Select columns of sign items using sign_headers
sign_columns = onehot[____]
# Perform aggregation of sign items into sign category
signs = sign_columns.sum(axis = 1) >= 1.0
# Print support for signs
print('Share of Signs: %.2f' % ____.mean())