Reto 3

Tarea

Swipe to start coding

La última tarea que hemos preparado para ti es la implementación de ingeniería de características. Trabajarás con el conjunto de datos 'sales_data.csv' y tu tarea será crear nuevas variables y procesar datos categóricos y numéricos.

Utiliza la ingeniería de características para crear nuevas columnas como año, mes y día de la semana a partir de Date
Codifica las columnas categóricas 'Region' y 'Product' utilizando el método de codificación one-hot
Para los datos numéricos ('Sales'), tendrás que escalar los datos

Solución

from sklearn.preprocessing import StandardScaler, MinMaxScaler

import numpy as np

import pandas as pd

# Read the dataset

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/9c23bf60-276c-4989-a9d7-3091716b4507/datasets/sales_data.csv')

# Convert date column to datetime format

df['Date'] = pd.to_datetime(df['Date'])

# Create new columns based on date column

# 'Year'

# 'Month'

# 'Weekend' - if the day is a weekend, then the value is 1, if not a weekend, then 0

# For 'Weekend' column use .map() function

df['Year'] = df['Date'].dt.year

df['Month'] = df['Date'].dt.month

df['Weekend'] = df['Date'].dt.day_name()

df['Weekend'] = df['Weekend'].map({'Monday': 0, 'Tuesday': 0, 'Wednesday': 0, 'Thursday': 0,

'Friday': 0, 'Saturday': 1, 'Sunday': 1,})

# Drop original date column

df = df.drop('Date', axis=1)

# Create MinMaxScaler

scaler = MinMaxScaler()

# Make one-hot encoding with pd.get_dummies()

one_hot = pd.get_dummies(df[['Region', 'Product']])

# Join the encoded columns

df = df.join(one_hot)

# Drop initial columns

df = df.drop(['Region', 'Product'], axis=1)

# Fit and transform numerical data for the scaler

df[['Sales']] = scaler.fit_transform(df[['Sales']])

¿Todo estuvo claro?

¡Gracias por tus comentarios!

Sección 6. Capítulo 3