Datatypen en data samenvoegen

Marketingcampagnes analyseren met pandas

Jill Rosok

Data Scientist

Veelvoorkomende datatypen

Strings (objecten)
Getallen (floats, integers)
Booleans (True, False)
Datums

Datatype van een kolom

# Het datatype van één kolom printen
print(marketing['converted'].dtype)

dtype('object')

Datatype van een kolom wijzigen

# Het datatype van een kolom wijzigen
marketing['converted'] = marketing['converted']\
                          .astype('bool')

print(marketing['converted'].dtype)

dtype('bool')

Nieuwe boolean-kolommen maken

marketing['is_house_ads'] = np.where(
    marketing['marketing_channel'] == 'House Ads', 
    True, False
)

print(marketing.is_house_ads.head(3))

0    True
1    False
2    True
Name: is_house_ads, dtype: bool

Waarden mappen naar bestaande kolommen

channel_dict = {"House Ads": 1, "Instagram": 2, 
                "Facebook": 3, "Email": 4, "Push": 5}

marketing['channel_code'] = marketing['marketing_channel']\
                              .map(channel_dict)

print(marketing['channel_code'].head(3))

0    1
1    1
2    1
Name: channel_code, dtype: int64

Datumkolommen

# Datumkolommen inlezen met parse_dates
marketing = pd.read_csv('marketing.csv', 
                        parse_dates=['date_served', 
                                     'date_subscribed', 
                                     'date_canceled'])

# Of
# Bestaande kolom omzetten naar datetime
marketing['date_served'] = pd.to_datetime(
    marketing['date_served']
)

Datumkolommen

# Of elke kolom apart omzetten
# Bestaande kolom omzetten naar datetime
marketing['date_served'] = pd.to_datetime(
    marketing['date_served']
)

Datumkolommen

marketing['day_served'] = marketing['date_served']\
                       .dt.dayofweek

Laten we oefenen!

Marketingcampagnes analyseren met pandas