Erzeugung neuer Merkmale

Explorative Datenanalyse in Python

George Boorman

Curriculum Manager, DataCamp

Korrelation

sns.heatmap(planes.corr(numeric_only=True), annot=True)
plt.show()

Heatmap, die den Pearson-Korrelationskoeffizienten von 0,54 zwischen Preis und Dauer zeigt

Datentypen anzeigen

print(planes.dtypes)

Airline                    object
Date_of_Journey    datetime64[ns]
Source                     object
Destination                object
Route                      object
Dep_Time           datetime64[ns]
Arrival_Time       datetime64[ns]
Duration                  float64
Total_Stops                object
Additional_Info            object
Price                     float64
dtype: object

Gesamtzahl der Zwischenstopps

print(planes["Total_Stops"].value_counts())

1 stop      4107
non-stop    2584
2 stops     1127
3 stops       29
4 stops        1
Name: Total_Stops, dtype: int64

Gesamtzahl der Zwischenstopp bereinigen

planes["Total_Stops"] = planes["Total_Stops"].str.replace(" stops", "")

planes["Total_Stops"] = planes["Total_Stops"].str.replace(" stop", "")

planes["Total_Stops"] = planes["Total_Stops"].str.replace("non-stop", "0")

planes["Total_Stops"] = planes["Total_Stops"].astype(int)

Korrelation

sns.heatmap(planes.corr(numeric_only=True), annot=True)
plt.show()

Heatmap, die den Pearson-Korrelationskoeffizienten von 0,62 zwischen Preis und der Gesamtzahl der Zwischenstopps und den Korrelationskoeffizienten von 0,74 zwischen Dauer und der Gesamtzahl der Zwischenstopps zeigt

Datumsangaben

print(planes.dtypes)

Airline                    object
Date_of_Journey    datetime64[ns]
Source                     object
Destination                object
Route                      object
Dep_Time           datetime64[ns]
Arrival_Time       datetime64[ns]
Duration                  float64
Total_Stops                 int64
Additional_Info            object
Price                     float64
dtype: object

Extraktion des Monats und Wochentags

planes["month"] = planes["Date_of_Journey"].dt.month

planes["weekday"] = planes["Date_of_Journey"].dt.weekday

print(planes[["month", "weekday", "Date_of_Journey"]].head())

   month  weekday   Date_of_Journey
0      9        4        2019-09-06
1     12        3        2019-12-05
2      1        3        2019-01-03
3      6        0        2019-06-24
4     12        1        2019-12-03

Abflug- und Ankunftszeiten

planes["Dep_Hour"] = planes["Dep_Time"].dt.hour
planes["Arrival_Hour"] = planes["Arrival_Time"].dt.hour

Korrelation

Heatmap, die zeigt, dass es keinen Zusammenhang zwischen Datums- und Zeitangaben und dem Preis gibt

Kategorien erstellen

print(planes["Price"].describe())

count     7848.000000
mean      9035.413609
std       4429.822081
min       1759.000000
25%       5228.000000
50%       8355.000000
75%      12373.000000
max      54826.000000
Name: Price, dtype: float64

Bereich	Buchungsklasse
<= 5228	Economy
> 5228 <= 8355	Premium Economy
> 8335 <= 12373	Business Class
> 12373	First Class

Deskriptive Statistik

twenty_fifth = planes["Price"].quantile(0.25)

median = planes["Price"].median()

seventy_fifth = planes["Price"].quantile(0.75)

maximum = planes["Price"].max()

Labels und Bins

labels = ["Economy", "Premium Economy", "Business Class", "First Class"]

bins = [0, twenty_fifth, median, seventy_fifth, maximum]

pd.cut()

pd-dot-cut aufrufen

planes["Price_Category"] = pd.cut(

pd.cut()

Die Daten weitergeben

planes["Price_Category"] = pd.cut(planes["Price"],

pd.cut()

Labels festlegen

planes["Price_Category"] = pd.cut(planes["Price"],
                                  labels=labels,

pd.cut()

Bins angeben

planes["Price_Category"] = pd.cut(planes["Price"],
                                  labels=labels,
                                  bins=bins)

Preiskategorien

print(planes[["Price","Price_Category"]].head())

     Price   Price_Category
0  13882.0      First Class
1   6218.0  Premium Economy
2  13302.0      First Class
3   3873.0          Economy
4  11087.0   Business Class

Preisklasse nach Fluggesellschaft

sns.countplot(data=planes, x="Airline", hue="Price_Category")
plt.show()

Preisklasse nach Fluggesellschaft

Grafik, die zeigt, wie viele Flüge die jeweiligen Fluggesellschaften in verschiedenen Preisklassen anbieten, wobei Jet Airways die meisten First-Class-Tickets hat

Lass uns üben!

Explorative Datenanalyse in Python