Font size
WorksheetsNuclio : Project Renfe - ML
Total questions: 18
Worksheet time: 2hrs 30mins
Vamos a explorar el dataset de renfe, de manera que podamos tratarlo antes de predecir el precio, ¿Estas listo?
Sí
No
¿Puedes decir en cuáles variables existen nulos?
PRECIO, TIPO_TREN, TIPO_TARIFA
PRECIO, TIPO_TARIFA, CLASE
PRECIO, CLASE, FECHA_CONSULTA
FECHA_INICIO, FECHA_FIN, PRECIO
Hagamos un df_renfe.info(),
¡Marca todas las opciones INCORRECTAS!
La variable PRECIO hay que pasarla a Object
Hay algunas variables que hay que pasarlas a formato DATE
La variable TIPO_TARIFA hay que pasarla a Float
La variable CLASE hay que pasarla a Int
Interpretar el código (1), ¿Qué es lo que hace?
Calcula tiempo de viaje en ambos solo que en diferentes medidas
Calcula diferencia precios
Calcula tiempo viaje y el tiempo entre el inicio viaje y la búsqueda
Calcula en ambas la diferencia entre la búsqueda y el fin del viaje
Hacer un histograma de la columna "DIF_INI_BUS", ¿Qué se puede deducir?
Hay valores negativos, hay que borrarlos
Hay valores negativos, pero están bien los mantenemos como tal
No hay valores negativos
¿Existen filas duplicadas?¿Cuantas filas son?
31 filas duplicadas
33 filas duplicadas
35 filas duplicadas
No hay filas duplicadas
Luego de eliminar los duplicados, ¿Aún existen nulos?
Sí
No
Interpretar el código (2): ¿Qué está haciendo con las fechas?
Está haciendo un join con un dataframe de tiempo
Juntar todas columnas de DATE en una sola columna
Sólo está borrando las columnas de formato DATE, no hace nada más
Dividir columnas de formato DATE en diferentes unidades de tiempo (Y/M/D..)
En el precio existen nulos, ¿Qué porcentaje representa del total del dataset?
7,4%
5,3%
4,2%
1,9%
Qué sería lo más adecuado hacer con el precio, la clase y la tarifa de tren? hint: no probar df["clase"].mean...
Borrar todos los nulos
A la "CLASE" y "TARIFA" una moda a los nulos y el "PRECIO" borrar las filas nulas
A la "CLASE" una moda a los nulos, a "TARIFA" una media a los nulos y el "PRECIO" borrar las filas nulas
borrar la "CLASE" y "TARIFA" que son nulos y al "PRECIO" una media a los nulos
Interpretar el código (3): ¿Qué está haciendo?
Cruce entre el df de renfe con la latitud y longitud, el cruce por latitud
Cruce entre el df de renfe con la latitud y longitud, el cruce por longitud
Cruce entre el df de renfe con la latitud y longitud, el cruce por nombre
Cruce entre el df de renfe con la latitud y longitud,el cruce por lat y lon
Elaborar un gráfico evolutivo mensual por tipo de tren, mencionar en JULIO(7) el precio mensual del AVE-TGV
70,5€
89,3€
105,3€
110,1€
Mapa donde muestre las ciudades destino y su tiempo medio de viaje, ¿Qué ciudad tiene el mayor tiempo medio?
Madrid
Barcelona
Valencia
Ponferrada
Mapa de correlación: ¿Existe alguna variable muy correlacionada?
Sí, entre el precio y la distancia del viaje
Sí, con las variables de DIA y MES de inicio y fin de viaje respectivamente
Sí, con las variables de DIA de inicio y fin de viaje respectivamente
No hay ninguna fuertemente correlacionada
¿Se puede hacer algo con la distribución del precio?
La convertimos en categórica
Estandarizarlo ya que tiene una ditribución skewed izquierda
Estandarizarlo ya que tiene una ditribución skewed derecha
Estandarizarlo ya que tiene una distribución normal
Relación del Día de inicio de viaje y el precio, ¿Hay algún día que muestre mayor tendencia a un precio más barato?
Lunes
Miércoles
Sábado
Domingo
Relación del tiempo de duración del viaje y el precio ¿Ves alguna relación?
Sí, a mayor tiempo de duración del viaje más caro
Sí, a mayor tiempo de duración del viaje más barato
Sí, a menor tiempo de duración del viaje más barato
No veo ningún tipo de relación
Para las variables categóricas vamos a realizar el OneHotEncoding, ¿Qué significa esto?
Convertir variables categóricas a date
Convertir variables categóricas a numéricas booleans
Convertir variables categóricas a string
Cambiar de nombre a los valores de manera aleatorio
