Tworzenie cech z dat i tekstu
Wydobywanie informacji z surowych pól
Tworzenie cech z dat i tekstu to bezpłatna lekcja Data Science Academy na CoddyKit. To lekcja 4 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Data Science Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Data Science Academy zawiera 4 lekcji w sumie.
Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.
Raw Fields Hide Signal
A timestamp or a free-text note holds rich clues a model cannot read directly. Feature engineering pulls that signal into usable columns. 🔍
Parse the Date First
Before mining a date, convert the string with to_datetime. Only a real datetime exposes the handy parts you want to extract.
df['ts'] = pd.to_datetime(df['ts'])The dt Accessor
The dt accessor unlocks date parts on a datetime column. Reach for it to grab year, month, day, and more in one line.
df['year'] = df['ts'].dt.year
df['month'] = df['ts'].dt.monthDay of Week
Pull dayofweek to capture weekly rhythm, where Monday is 0 and Sunday is 6. Behavior often shifts a lot by weekday.
df['weekday'] = df['ts'].dt.dayofweekWeekend Flag
Turn the weekday into a simple boolean: is this a weekend? Such yes-or-no flags are easy for models to learn from.
df['is_weekend'] = df['ts'].dt.dayofweek >= 5Cyclical Time
Hour 23 sits right next to hour 0, yet the numbers look far apart. Cyclical encoding with sine and cosine fixes that wrap-around.
Text: Length and Counts
Start simple with text. The character length of a review or its word count is often a surprisingly strong feature.
df['len'] = df['review'].str.len()
df['words'] = df['review'].str.split().str.len()Contains a Keyword
Flag whether text holds a key term using str.contains. A column for words like refund can capture clear intent.
df['has_refund'] = df['review'].str.contains('refund')Bag of Words
To use words themselves, count them. A bag-of-words turns text into one column per term holding how often it appears.
from sklearn.feature_extraction.text import CountVectorizer
X = CountVectorizer().fit_transform(df['review'])TF-IDF Weighs Words
Plain counts overrate common words. TF-IDF rewards terms that are frequent in one row yet rare overall, so the distinctive words stand out.
from sklearn.feature_extraction.text import TfidfVectorizer
X = TfidfVectorizer().fit_transform(df['review'])Avoid Leaky Features
Never build a feature from information unavailable at prediction time. A leaky column inflates scores in testing, then fails in the real world.
Quick Check
You have a datetime column and want the weekday number. What do you use?
Recap: Date and Text Features
You mined raw fields into signal: parse dates then use dt for parts and flags, and turn text into lengths, keyword flags, or word counts. 🎉
Często zadawane pytania
Czy lekcja „Tworzenie cech z dat i tekstu” jest bezpłatna?
Tak — pełny tekst „Tworzenie cech z dat i tekstu” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Data Science Academy, przejdź na CoddyKit PRO. Kurs Data Science Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Tworzenie cech z dat i tekstu”?
Wydobywanie informacji z surowych pól Ćwiczysz Data Science Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Data Science Academy?
Nie wymagamy żadnego doświadczenia. Data Science Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 4 z 4.
Ile czasu zajmuje lekcja „Tworzenie cech z dat i tekstu”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Data Science Academy?
Tak. Każda lekcja Data Science Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Przekształcanie liczb w kategorie
- Kodowanie kolumn kategorialnych
- Skalowanie i normalizacja liczb
- Tworzenie cech z dat i tekstu