挑選特徵

在閱讀完文章的「Split Samples」段落後，該作者已經完成資料特徵的挑選以及分類成不同的集合。

筆者決定先用 pandas 的套件來看一下目前我們的資料可以給我們什麼樣的線索來預測。

讀入 CSV

首先讓我們先將 pandas 引入目前的 module：

import pandas as pd

接著讓我們把目前資料夾底下的 csv 檔讀進來：

data_file_path = 'prediction/annoyance_output_manual_for_predict.csv'
df = pd.read_csv(data_file_path)

此處的 df 為 pandas 的 dataframe 的縮寫。

設定 interpreter

要讓 .py 檔可以正確地被 IDE 解析，我們要設置 Python interpreter。讓我們在 vscode 按下 command + shift + p 開啟控制選單，輸入 interpreter 後可以看到 Python: Select Interpreter 的選項。點擊進去以後選擇你目前環境即可。

否則，你可能會看到類似這樣的提示訊息：

讓我們稍微把 df 印出來看看：

print(df)

然後在 terminal 輸入：

python prediction/predict.py

我們看前面幾行的結果，來思考一下接下來的方向：

思考

花了一些時間後，筆者大致有了實作預測的方向。若各位讀者先進有任何建議，再拜託告訴我。

我們最終是要預測每一天的發生時間，筆者猜想，每一天發生的時間基本上是基於該天的工作量。如果提早做完工作，那麼該人員下班的時間就會提前，關門就會提早發生，反之亦然。

而工作量的多寡取決於該天是星期幾，如果是週一到週四，那麼可能工作量會比較少，週五以及週末的工作量會比平常還要多的。

筆者查詢了該店家 Google Map 上的熱門時段，映證了筆者對於工作量的猜想。但與關門時間是否相關，就留待後續的驗證。

（雖然不喜歡甩門的行為，但畢竟非滔天大罪，在此為保護商譽，請恕筆者不提供截圖。）

所以筆者決定將星期幾作為分類，依照每一天預測各自的關門時間。

實作

為了看到依照星期幾進行的分類的結果，讓我們使用 pandas groupby 的函數：

group_by_weekdays = df.groupby('星期幾')
print(group_by_weekdays.count())

.count() 會顯示各欄位的在該分類的值有幾個。

印出來後，首先筆者發現幾筆 thu 寫成 thur 的，原因是先前結構化沒有做好。

讓我們回去 dayTimeStructurize.js 加一個 TODO，之後回來處理這一段：

 if (!!weekday) {
    // 統一成全部小寫
    const formattedWeekday = weekday.toLowerCase();
    // TODO: 最後取前三位數，避免 thu 寫成 thur 仍會通過的情形
    temp.push(formattedWeekday);
    splittedStrArr = splittedStrArr.filter((element) => element !== weekday);
  } 

手動更改幾筆錯誤資料後，結果顯示如下：

我們可以看到：

竟然沒有週六、週日的資料！

筆者推測原因可能有兩個：

1. 週末常不在家。
2. 週末從事較為動態的活動，以致於沒有聽到聲音。

讓我們明天繼續。今天收工！

延伸閱讀

• dataframe groupby