Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Importar Dados | Logistic Regression Mastering
Logistic Regression Mastering

Importar DadosImportar Dados

Vamos começar importando nossos dados utilizando a famosa biblioteca pandas. Esta é uma visão geral das características presentes no nosso conjunto de dados:

  • enrollee_id: ID único para o candidato;
  • city: Código da cidade;
  • city_development_index: Índice de desenvolvimento da cidade (escalado);
  • gender: Gênero do candidato;
  • relevent_experience: Experiência relevante do candidato;
  • enrolled_university: Tipo de curso universitário matriculado, se houver;
  • education_level: Nível de educação do candidato;
  • major_discipline: Principal disciplina de educação do candidato;
  • experience: Experiência total do candidato em anos;
  • company_size: Número de funcionários na empresa do atual empregador;
  • company_type: Tipo de empresa do atual empregador;
  • lastnewjob: Diferença em anos entre o emprego anterior e o atual;
  • training_hours: Horas de treinamento completadas;
  • target: 0 – Não está procurando mudança de emprego, 1 – Procurando por uma mudança de emprego.
A tarefa está concluída!

TarefaConcluído

  1. Importe a biblioteca pandas (como pd);
  2. Importe o arquivo "experiment_data.csv" usando pandas;
  3. Exiba as primeiras 10 linhas do DataFrame.

Tudo estava claro?

Seção 1. Capítulo 2
course content

Conteúdo do Curso

Logistic Regression Mastering

Importar DadosImportar Dados

Vamos começar importando nossos dados utilizando a famosa biblioteca pandas. Esta é uma visão geral das características presentes no nosso conjunto de dados:

  • enrollee_id: ID único para o candidato;
  • city: Código da cidade;
  • city_development_index: Índice de desenvolvimento da cidade (escalado);
  • gender: Gênero do candidato;
  • relevent_experience: Experiência relevante do candidato;
  • enrolled_university: Tipo de curso universitário matriculado, se houver;
  • education_level: Nível de educação do candidato;
  • major_discipline: Principal disciplina de educação do candidato;
  • experience: Experiência total do candidato em anos;
  • company_size: Número de funcionários na empresa do atual empregador;
  • company_type: Tipo de empresa do atual empregador;
  • lastnewjob: Diferença em anos entre o emprego anterior e o atual;
  • training_hours: Horas de treinamento completadas;
  • target: 0 – Não está procurando mudança de emprego, 1 – Procurando por uma mudança de emprego.
A tarefa está concluída!

TarefaConcluído

  1. Importe a biblioteca pandas (como pd);
  2. Importe o arquivo "experiment_data.csv" usando pandas;
  3. Exiba as primeiras 10 linhas do DataFrame.

Tudo estava claro?

Seção 1. Capítulo 2
some-alt