📅 最后修改于: 2020-12-13 14:01:48 🧑 作者: Mango
每当任何组织进行调查时，他们都会尝试从客户那里收集尽可能多的信息，以为该信息在以后的某个时间点将以一种或另一种方式对组织有用。为了解决当前的问题，我们必须选择与我们的问题直接相关的信息。
现在，让我们看看如何选择对我们有用的数据字段。在代码编辑器中运行以下语句。
In [6]: print(list(df.columns))
您将看到以下输出-
['age', 'job', 'marital', 'education', 'default', 'housing', 'loan',
'contact', 'month', 'day_of_week', 'duration', 'campaign', 'pdays',
'previous', 'poutcome', 'emp_var_rate', 'cons_price_idx', 'cons_conf_idx',
'euribor3m', 'nr_employed', 'y']
输出显示数据库中所有列的名称。最后一列“ y”是布尔值，指示此客户是否在银行有定期存款。该字段的值为“ y”或“ n”。您可以阅读bank-name.txt文件中作为数据的一部分下载的每一列的描述和用途。
检查列名，您将知道某些字段对当前问题没有任何意义。例如，诸如month，day_of_week ，campaign等之类的字段对我们没有用。我们将从数据库中删除这些字段。要删除列，我们使用drop命令，如下所示：
In [8]: #drop columns which are not needed.
df.drop(df.columns[[0, 3, 7, 8, 9, 10, 11, 12, 13, 15, 16, 17, 18, 19]],
axis = 1, inplace = True)
该命令说删除列号0、3、7、8，依此类推。为了确保正确选择索引，请使用以下语句-
In [7]: df.columns[9]
Out[7]: 'day_of_week'
这将打印给定索引的列名称。
删除不需要的列后，使用head语句检查数据。屏幕输出如下所示-
In [9]: df.head()
Out[9]:
job marital default housing loan poutcome y
0 blue-collar married unknown yes no nonexistent 0
1 technician married no no no nonexistent 0
2 management single no yes no success 1
3 services married no no no nonexistent 0
4 retired married no yes no success 1
现在，只有我们认为对我们的数据分析和预测很重要的领域。在这一步骤中，数据科学家的重要性得到了体现。数据科学家必须选择适当的列以进行模型构建。
例如，虽然乍一看工作的类型可能不会说服所有人都将其包含在数据库中，但这将是一个非常有用的领域。并非所有类型的客户都将打开TD。收入较低的人可能不会打开TD，而收入较高的人通常会把多余的钱存放在TD中。因此，在这种情况下，工作类型变得非常重要。同样，仔细选择您认为与分析相关的列。
在下一章中，我们将准备用于构建模型的数据。