Создайте новый столбец в df под названием «прибыльный», определяемый как 1, если доход от фильма превышает бюджет фильма, и 0 в противном случае

Это моя первая попытка решить проблему.

В этом упражнении мы определим результаты регрессии и классификации. В частности, мы будем использовать столбец доходов в качестве цели для регрессии. Для классификации построим показатель рентабельности для каждого фильма.

Создайте новый столбец в df под названием «прибыльный», определяемый как 1, если доход от фильма превышает бюджет фильма, и 0 в противном случае. Я получаю хорошие результаты, говоря, что прибыльность не определена правильно.

Также...

** Я действительно не понимаю, что им здесь нужно:

Затем определите и сохраните результаты, которые мы будем использовать для регрессии и классификации.

Определите regression_target как «доход».

Определите классификационную цель как «прибыльный».

profitable = []

for i in range(len(df)):
    if df.iloc[i]['revenue'] > df.iloc[i]['budget']:
        profitable.append(1)

    else:
        profitable.append(0)

df["'profitable'"] = profitable

regression_target = df['revenue']
classifcation_target = df['profitable']

df.head()

Ошибка:

Теперь я понимаю, что у меня есть 1, где у меня должно быть «i», но я все еще не знаю, что делать со второй частью. что они спрашивают?

JBEAM 18.12.2018 15:58
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
1
729
1

Ответы 1

Используйте numpy.where

import numpy as np

df['profitable'] = np.where(df['revenue'] > df['budget'], 1, 0)

Спасибо! это работает ... для второй части:

JBEAM 18.12.2018 16:10

regression_target = df ['доход'] classifcation_target = df ['прибыльный']

JBEAM 18.12.2018 16:10

Другие вопросы по теме