Crear características a partir de fechas y texto
Extraer información útil de campos sin procesar.
Crear características a partir de fechas y texto es una lección gratuita de Data Science Academy en CoddyKit. Esta es la lección 4 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de Data Science Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de Data Science Academy incluye 4 lecciones en total.
Los campos sin procesar ocultan información
Una marca de tiempo o una nota de texto libre contienen pistas valiosas que un modelo no puede leer directamente. La ingeniería de características extrae esa información en columnas utilizables. 🔍
Analizar primero la fecha
Antes de extraer información de una fecha, convierta la cadena con to_datetime. Solo un valor datetime real expone las partes útiles que desea obtener.
df['ts'] = pd.to_datetime(df['ts'])El accesorio dt
El accesorio dt permite acceder a las partes de una fecha en una columna datetime. Úselo para obtener el año, el mes, el día y más en una sola línea.
df['year'] = df['ts'].dt.year
df['month'] = df['ts'].dt.monthDía de la semana
Extraiga dayofweek para capturar el ritmo semanal: el lunes es 0 y el domingo es 6. El comportamiento suele cambiar mucho según el día de la semana.
df['weekday'] = df['ts'].dt.dayofweekIndicador de fin de semana
Convierta el día de la semana en un valor booleano sencillo: ¿es fin de semana? Estos indicadores de sí o no son fáciles de aprender para los modelos.
df['is_weekend'] = df['ts'].dt.dayofweek >= 5Tiempo cíclico
La hora 23 está justo al lado de la hora 0, pero los números parecen muy alejados. La codificación cíclica con seno y coseno corrige esa continuidad circular.
Texto: longitud y recuentos
Comience con algo sencillo en el texto. La longitud en caracteres de una reseña o su recuento de palabras suele ser una característica sorprendentemente potente.
df['len'] = df['review'].str.len()
df['words'] = df['review'].str.split().str.len()Contiene una palabra clave
Indique si el texto contiene un término clave usando str.contains. Una columna para palabras como reembolso puede captar una intención clara.
df['has_refund'] = df['review'].str.contains('refund')Bolsa de palabras
Para usar las palabras en sí, cuéntelas. Un bag-of-words convierte el texto en una columna por término que indica cuántas veces aparece.
from sklearn.feature_extraction.text import CountVectorizer
X = CountVectorizer().fit_transform(df['review'])TF-IDF pondera las palabras
Los recuentos simples sobrevaloran las palabras comunes. TF-IDF da más peso a los términos frecuentes en una fila, pero poco frecuentes en el conjunto, para que destaquen las palabras distintivas.
from sklearn.feature_extraction.text import TfidfVectorizer
X = TfidfVectorizer().fit_transform(df['review'])Evite las características con fuga de información
No construya nunca una característica a partir de información que no esté disponible en el momento de hacer predicciones. Una columna con fuga de información infla las puntuaciones durante las pruebas y luego falla en el mundo real.
Comprobación rápida
Tiene una columna de fecha y hora y quiere obtener el número del día de la semana. ¿Qué usaría?
Recapitulación: características de fechas y texto
Ha extraído información útil de los campos sin procesar: analice las fechas y use dt para obtener sus componentes e indicadores, y convierta el texto en longitudes, indicadores de palabras clave o recuentos de palabras. 🎉
Aprende Python con un tutor de IA — gratis
Escribe y ejecuta código real en tu navegador, obtén ayuda instantánea de un tutor de IA disponible 24/7 y continúa donde lo dejaste en la web o en la aplicación.
- Cursos
- 30
- Lecciones
- 120
Preguntas frecuentes
¿La lección «Crear características a partir de fechas y texto» es gratis?
Sí — el texto completo de «Crear características a partir de fechas y texto» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de Data Science Academy, actualiza a CoddyKit PRO. El curso de Data Science Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Crear características a partir de fechas y texto»?
Extraer información útil de campos sin procesar. Practicas Data Science Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar Data Science Academy?
No se requiere experiencia previa. Data Science Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 4 de 4.
¿Cuánto tiempo toma la lección «Crear características a partir de fechas y texto»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de Data Science Academy?
Sí. Cada lección de Data Science Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Convertir números en categorías
- Codificar columnas categóricas
- Escalar y normalizar números
- Crear características a partir de fechas y texto