详细内容或原文请订阅后点击阅览
调试Python问题的基础
我遇到了99个问题...而Python调试就是所有问题。
来源:KDnuggets曾经运行过Python脚本，并立即希望您不按ENTER？
数据科学中的调试不仅是一种行为；这是一种生存技巧，尤其是在处理凌乱的数据集或设计实际人依赖的预测模型时。
在本文中，我们将探讨调试的基础知识，尤其是在您的数据科学工作流程中，使用Doordash交付工作中的现实生活数据集，最重要的是，如何像专业人士一样调试。
Doordash交付期限预测：我们正在处理什么？
在此数据项目中，Doordash要求其数据科学候选人预测交付持续时间。让我们首先查看数据集信息。这是代码：
项目这是输出：
看来他们没有提供交货时间，因此您应该在此处进行计算。这很简单，但是如果您是初学者，则不会担心。让我们看看如何计算它。
将大熊猫作为pd导入 从DateTime Import DateTime ＃假设historing_data是您的dataFrame historing_data [“ create_at”] = pd.to_dateTime（historing_data ['create_at']） historing_data [“ MATEA_DELIVERY_TIME”] = PD.TO_DATETIME（historing_data ['actue_delivery_time']） historing_data [“ actual_total_delivery_duration”] =（historing_data [“ actue_delivery_time”] - historing_data [“ created_at”]）。dt.t.t.total_seconds（） historing_data.head（）
这是输出的头部；您可以看到实际_total_delivery_duration。
MATEA_TOTAL_DELIVERY_DURATION
很好，现在我们可以开始了！但是在此之前，这是该数据集的数据定义语言。
historing_data.csv中的列
historing_data.csv
时间功能：
- Market_id：Doordash在其中运营的城市/地区，例如洛杉矶，在数据中以ID.CREATED_AT：UTC中的时间戳为ID。 （注意：此时间戳在UTC中，但是如果您需要它，则该地区的实际时区为美国/太平洋）.actual_delivery_time：timestamp in utc中的时间戳，当订单交付给消费者。
商店功能：
create_at