เปเบฅเบทเปเบญเบเปเบเบปเบเบเบตเปเปเบเบปเปเบฒเบกเบฒเปเบเบเบปเบเปเบเบเบงเบดเบเบฐเบเบฒเบชเบฒเบเบเปเปเบกเบนเบเบกเบตเบเบงเบฒเบกเบเบฒเบเบซเบงเบฑเบเบซเบเปเบญเบเบเบงเปเบฒเบเบงเบฒเบกเปเบเบฑเบเบเบดเบเบเบญเบเบชเบดเปเบเบเบตเปเบฅเปเบเปเบฒเบเบงเบเปเบเบปเบฒ. เบซเบผเบฒเบเบเบปเบเบเบดเบเบงเปเบฒเปเบเบเบฑเบเบเบธเบเบฑเบเบเบงเบเปเบเบปเบฒเบเบฐเบเบฝเบเปเบเบทเบญเบเปเบฒเบ neural เปเบขเบฑเบ, เบชเปเบฒเบเบเบนเปเบเปเบงเบเบชเบฝเบเบเบฒเบ Iron Man, เบซเบผเบทเบเบตเบเบธเบเบเบปเบเปเบเบเบฐเบซเบผเบฒเบเบเบฒเบเปเบเบดเบ.
เปเบเปเปเบฎเบฑเบเบงเบฝเบ เบเปเปเบกเบนเบ เบเบฑเบเบงเบดเบเบฐเบเบฒเบชเบฒเบเปเบกเปเบเบญเบตเบเปเบชเปเบเปเปเบกเบนเบ, เปเบฅเบฐเบซเบเบถเปเบเปเบเบฅเบฑเบเบชเบฐเบเบฐเบเบตเปเบชเปเบฒเบเบฑเบเบเบตเปเบชเบธเบเปเบฅเบฐเปเบเปเปเบงเบฅเบฒเบซเบผเบฒเบเปเบกเปเบเบเบฒเบเบเบธเบเปเบเปเบเบเปเปเบกเบนเบเบเปเบญเบเบเบตเปเบเบฐเปเบซเปเบกเบฑเบเปเบเบปเปเบฒเปเบเปเบเปเบเบทเบญเบเปเบฒเบ neural เบซเบผเบทเบเบฒเบเบงเบดเปเบเบฒเบฐเบกเบฑเบเปเบเบเบฒเบเบเบตเปเปเบเปเบเบญเบ.
เปเบเบเบปเบเบเบงเบฒเบกเบเบตเป, เบเบตเบกเบเบฒเบเบเบญเบเบเบงเบเปเบฎเบปเบฒเบเบฐเบญเบฐเบเบดเบเบฒเบเบงเบดเบเบตเบเบตเปเบเปเบฒเบเบชเบฒเบกเบฒเบเบเบฐเบกเบงเบเบเบปเบเบเปเปเบกเบนเบเปเบเปเปเบงเปเบฅเบฐเบเปเบฒเบเบเบฒเบเบเปเบงเบเบเปเบฒเปเบเบฐเบเปเบฒเบเบฑเปเบเบเบญเบเปเบฅเบฐเบฅเบฐเบซเบฑเบ. เบเบงเบโเปเบฎเบปเบฒโเบเบฐโเบเบฒโเบเบฒเบกโเบเบตเปโเบเบฐโเปเบฎเบฑเบโเปเบซเปโเบฅเบฐโเบซเบฑเบโเบเบตเปโเบเปเบญเบโเบเปเบฒเบโเบเปเบฝเบโเปเบเบโเปเบเปโเปเบฅเบฐโเบชเบฒโเบกเบฒเบโเบเปเบฒโเปเบเปโเบชเปเบฒโเบฅเบฑเบโเบเบธเบโเบเปเปโเบกเบนเบโเบเบตเปโเปเบเบโเบเปเบฒเบโเบเบฑเบโ.
เบเบนเปเบเปเบฝเบงเบเบฒเบเบซเบผเบฒเบเบเบปเบเบญเบฒเบเบเบฐเบเปเปเบเบปเบเบชเบดเปเบเบเบตเปเบเบดเปเบชเบเปเบเบเบปเบเบเบงเบฒเบกเบเบตเป, เปเบเปเบเบนเปเปเบฅเบตเปเบกเบเบปเปเบเบเบฐเบชเบฒเบกเบฒเบเบฎเบฝเบเบฎเบนเปเบชเบดเปเบเปเบซเบกเปเปเบเป, เปเบฅเบฐเบเบนเปเบเบตเปเปเบเบตเบเบเบฑเบเบขเบฒเบเบชเปเบฒเบเบเบทเปเบกเบเบฑเบเบเบถเบเปเบเบเบเปเบฒเบเบซเบฒเบเบชเปเบฒเบฅเบฑเบเบเบฒเบเบเบธเบเปเบเปเบเบเปเปเบกเบนเบเปเบงเปเบฅเบฐเบกเบตเปเบเบเบชเปเบฒเบเบชเบฒเบกเบฒเบเบเบฑเบเบฅเบญเบเบฅเบฐเบซเบฑเบเปเบฅเบฐเบเบฑเบเบฎเบนเบเปเบเบเบชเปเบฒเบฅเบฑเบเบเบปเบงเปเบญเบ, เบซเบผเบท.
เบเบงเบเปเบฎเบปเบฒเปเบเปเบฎเบฑเบเบเบธเบเบเปเปเบกเบนเบ. เบเบฐเปเบฎเบฑเบเปเบเบงเปเบเบเปเปเปเบ?
เบเบฑเปเบเบเบฑเปเบ, เบกเบฒเบเบเบฐเบเบฒเบ: เบเบงเบเปเบฎเบปเบฒเบเปเบฒเปเบเบฑเบเบเปเบญเบเปเบเบปเปเบฒเปเบเบชเบดเปเบเบเบตเปเบเบงเบเปเบฎเบปเบฒเบเปเบฒเบฅเบฑเบเบเบฑเบเบเบฒเบเบเบฑเบ, เบเบฒเบเบฅเบงเบก. เปเบเบทเปเบญเปเบฎเบฑเบเบชเบดเปเบเบเบตเป, เบเบงเบเปเบฎเบปเบฒเปเบเป pandas เปเบเบทเปเบญเบเปเบฒเบเบปเบเบเบฐเปเบเบเบเปเปเบกเบนเบเบเบตเปเปเบเบเบเปเบฒเบเบเบฑเบ.
import pandas as pd #ะธะผะฟะพััะธััะตะผ pandas
import numpy as np #ะธะผะฟะพััะธััะตะผ numpy
df = pd.read_csv("AB_NYC_2019.csv") #ัะธัะฐะตะผ ะดะฐัะฐัะตั ะธ ะทะฐะฟะธััะฒะฐะตะผ ะฒ ะฟะตัะตะผะตะฝะฝัั df
df.head(3) #ัะผะพััะธะผ ะฝะฐ ะฟะตัะฒัะต 3 ัััะพัะบะธ, ััะพะฑั ะฟะพะฝััั, ะบะฐะบ ะฒัะณะปัะดัั ะทะฝะฐัะตะฝะธั
df.info() #ะะตะผะพะฝัััะธััะตะผ ะธะฝัะพัะผะฐัะธั ะพ ะบะพะปะพะฝะบะฐั
เบกเบฒเปเบเบดเปเบเบเปเบฒเบเบญเบเบเบฑเบ:
- เบเปเบฒเบเบงเบเปเบเบงเปเบเปเบเปเบฅเบฐเบเบฑเบเบเบปเบเบเบฑเบเบเบฑเบเบเปเบฒเบเบงเบเปเบชเบฑเปเบเบเบฑเบเปเบปเบเบเป?
- เปเบเบทเปเบญเปเบเบเบญเบเบเปเปเบกเบนเบเปเบเปเบเปเบฅเบฐเบเบฑเบเปเบกเปเบเบซเบเบฑเบ?
- เบเบฑเบเปเบเบเบตเปเปเบฎเบปเบฒเบเปเบญเบเบเบฒเบเบเบฑเปเบเปเบเบปเปเบฒเปเบฒเบเปเบเบทเปเบญเปเบฎเบฑเบเบเบฒเบเบเบฒเบเปเบเบปเบฒ?
เบเปเบฒเบเบญเบเบเบญเบเบเปเบฒเบเบฒเบกเปเบซเบผเบปเปเบฒเบเบตเปเบเบฐเบเปเบงเบเปเบซเปเบเปเบฒเบเบชเบฒเบกเบฒเบเบงเบดเปเบเบฒเบฐเบเบธเบเบเปเปเบกเบนเบเปเบฅเบฐเบเบฐเบกเบฒเบเบเบฒเบเบงเบฒเบเปเบเบเบเบฒเบเบเปเบฒเปเบเบตเบเบเบฒเบเบเปเปเปเบเบเบญเบเบเปเบฒเบ.
เบเบญเบเบเบฒเบเบเบฑเปเบ, เบชเปเบฒเบฅเบฑเบเบเบฒเบเปเบเบดเปเบเปเบฅเบดเบเบเปเบฝเบงเบเบฑเบเบเปเบฒเปเบเปเบเปเบฅเบฐเบเปเบฅเปเบฒ, เบเบงเบเปเบฎเบปเบฒเบชเบฒเบกเบฒเบเปเบเปเบซเบเปเบฒเบเบตเป pandas describe() เปเบเป. เบขเปเบฒเบเปเบเบเปเบเบฒเบก, เบเปเปเปเบชเบเบเบญเบเบเบฑเบเบเบฑเบเบเบตเปเปเบกเปเบเบงเปเบฒเบกเบฑเบเบเปเปเปเบซเปเบเปเปเบกเบนเบเบเปเบฝเบงเบเบฑเบเบเปเบฅเปเบฒเบเบตเปเบกเบตเบเปเบฒเบชเบฐเบเบฃเบดเบ. เบเบงเบเปเบฎเบปเบฒเบเบฐเบเบฑเบเบเบฒเบเบเบฑเบเบเบงเบเบกเบฑเบเบเบฒเบเบซเบผเบฑเบ.
df.describe()
เบเบฒเบเปเบเบดเปเบเปเบซเบฑเบ magic
เปเบซเปเปเบเบดเปเบเบเปเบญเบเบเบตเปเบเบงเบเปเบฎเบปเบฒเบเปเปเบกเบตเบเปเบฒเบเบฑเบเบซเบกเบปเบ:
import seaborn as sns
sns.heatmap(df.isnull(),yticklabels=False,cbar=False,cmap='viridis')
เบเบตเปเปเบกเปเบเบเบฒเบเปเบเบดเปเบเบชเบฑเปเบเปเบเบฒเบเบเปเบฒเบเปเบเบดเบ, เบเบญเบเบเบตเปเบเบงเบเปเบฎเบปเบฒเบเบฐเบเปเบฒเบงเปเบเบชเบนเปเบชเบดเปเบเบเบตเปเบซเบเปเบฒเบชเบปเบเปเบเบซเบผเบฒเบ
เปเบซเปเบเบฐเบเบฒเบเบฒเบกเบเบญเบเบซเบฒเปเบฅเบฐ, เบเปเบฒเปเบเบฑเบเปเบเปเบเป, เปเบญเบปเบฒเบเปเบฅเปเบฒเบเบตเปเบกเบตเบเปเบฒเบเบฝเบงเปเบเปเบเบงเบเบฑเบเบซเบกเบปเบ (เบเบงเบเบกเบฑเบเบเบฐเบเปเปเบกเบตเบเบปเบเบเบฐเบเบปเบเบเปเปเบเบปเบเปเบเปเบฎเบฑเบเปเบเบเบฒเบเปเบเบเปเปเบเบฒเบก):
df = df[[c for c
in list(df)
if len(df[c].unique()) > 1]] #ะะตัะตะทะฐะฟะธััะฒะฐะตะผ ะดะฐัะฐัะตั, ะพััะฐะฒะปัั ัะพะปัะบะพ ัะต ะบะพะปะพะฝะบะธ, ะฒ ะบะพัะพััั
ะฑะพะปััะต ะพะดะฝะพะณะพ ัะฝะธะบะฐะปัะฝะพะณะพ ะทะฝะฐัะตะฝะธั
เปเบเบเบฑเบเบเบธเบเบฑเบเบเบงเบเปเบฎเบปเบฒเบเบปเบเบเปเบญเบเบเบปเบงเปเบฎเบปเบฒเปเบญเบเปเบฅเบฐเบเบงเบฒเบกเบชเปเบฒเปเบฅเบฑเบเบเบญเบเปเบเบเบเบฒเบเบเบญเบเบเบงเบเปเบฎเบปเบฒเบเบฒเบเบชเบฒเบเบเบตเปเบเปเปเบฒเบเบฑเบ (เบชเบฒเบเบเบตเปเบกเบตเบเปเปเบกเบนเบเบเบฝเบงเบเบฑเบเบขเบนเปเปเบเบฅเปเบฒเบเบฑเบเบเบฝเบงเบเบฑเบเบเบฑเบเบซเบเบถเปเบเปเบเบชเบฒเบเบเบตเปเบกเบตเบขเบนเปเปเบฅเปเบง):
df.drop_duplicates(inplace=True) #ะะตะปะฐะตะผ ััะพ, ะตัะปะธ ััะธัะฐะตะผ ะฝัะถะฝัะผ.
#ะ ะฝะตะบะพัะพััั
ะฟัะพะตะบัะฐั
ัะดะฐะปััั ัะฐะบะธะต ะดะฐะฝะฝัะต ั ัะฐะผะพะณะพ ะฝะฐัะฐะปะฐ ะฝะต ััะพะธั.
เบเบงเบโเปเบฎเบปเบฒโเปเบเปเบโเบเบธเบโเบเปเปโเบกเบนเบโเบญเบญเบโเปเบเบฑเบโเบชเบญเบโ: เบซเบเบถเปเบโเบเบตเปโเบกเบตโเบเบธเบโเบเบฐโเบเบฒเบโ, เปเบฅเบฐโเบญเบทเปเบเปโเบเบตเปโเบกเบตโเบเบฐโเบฅเบดโเบกเบฒเบโ.
เปเบเบเบตเปเบเบตเปเบเบงเบเปเบฎเบปเบฒเบเปเบญเบเบเบฒเบเบเบงเบฒเบกเบเบฐเบเปเบฒเบเปเบเปเบเปเบฅเบฑเบเบเปเบญเบ: เบเปเบฒเบชเบฒเบเบเบตเปเบกเบตเบเปเปเบกเบนเบเบเบตเปเบเบฒเบเบซเบฒเบเปเบเปเบเบเปเปเบกเบนเบเบเบตเปเบกเบตเบเบธเบเบเบฐเบเบฒเบเปเบฅเบฐเบเบฐเบฅเบดเบกเบฒเบเบเปเปเบเปเบฝเบงเบเปเบญเบเบเบฑเบเบซเบผเบฒเบ, เบเบงเบเปเบฎเบปเบฒเบเบฐเบเปเบญเบเบเบฑเบเบชเบดเบเปเบเบงเปเบฒเบเบงเบเปเบฎเบปเบฒเปเบชเบเบชเบฐเบฅเบฐ - เบเบธเบเบชเบฒเบเบเบตเปเบกเบตเบเปเปเบกเบนเบเบเบตเปเบเบฒเบเบซเบฒเบเปเบ, เบเบฝเบเปเบเปเบชเปเบงเบเบซเบเบถเปเบเบเบญเบเบเบงเบเบกเบฑเบ, เบซเบผเบทเบเปเบฅเปเบฒเบเบตเปเปเบเปเบเบญเบ. เบเปเบฒเบชเบฒเบเบกเบตเบเบงเบฒเบกเบเปเบฝเบงเบเปเบญเบเบเบฑเบ, เบเบงเบเปเบฎเบปเบฒเบกเบตเบชเบดเบเบเบตเปเบเบฐเปเบเปเบเบเบธเบเบเปเปเบกเบนเบเบญเบญเบเปเบเบฑเบเบชเบญเบเบขเปเบฒเบ. เบเปเบฒเบเปเปเบเบฑเปเบเบเบฑเปเบ, เบเปเบญเบเบญเบทเปเบ เปเบปเบ, เบเปเบฒเบ เบเบณ เปเบเบฑเบเบเปเบญเบเบเบฑเบเบเบฒเบเบเบฑเบเบชเบฒเบเบเบตเปเบเปเปเบเปเบฝเบงเบเปเบญเบเบเบฑเบเบเปเปเบกเบนเบเบเบตเปเบเบฒเบเบซเบฒเบเปเบเปเบเบเปเบฒเบเบเบธเบเบเบฐเบเบฒเบเปเบฅเบฐเบเบฐเบฅเบดเบกเบฒเบ, เปเบฅเบฐเบซเบผเบฑเบเบเบฒเบเบเบฑเปเบเปเบเปเบเบเบธเบเบเปเปเบกเบนเบเบญเบญเบเปเบเบฑเบเบชเบญเบเบขเปเบฒเบ.
df_numerical = df.select_dtypes(include = [np.number])
df_categorical = df.select_dtypes(exclude = [np.number])
เบเบงเบเปเบฎเบปเบฒเปเบฎเบฑเบเบชเบดเปเบเบเบตเปเปเบเบทเปเบญเปเบฎเบฑเบเปเบซเปเบกเบฑเบเบเปเบฒเบเบเบถเปเบเบชเปเบฒเบฅเบฑเบเบเบงเบเปเบฎเบปเบฒเบเบตเปเบเบฐเบเบฐเบกเบงเบเบเบปเบเบเปเปเบกเบนเบเบชเบญเบเบเบฐเปเบเบเบเบตเป - เบเปเปเบกเบฒเบเบงเบเปเบฎเบปเบฒเบเบฐเปเบเบปเปเบฒเปเบเบงเบดเบเบตเบเบฒเบเบเบตเปเปเบฎเบฑเบเปเบซเปเบเบตเบงเบดเบเบเบญเบเบเบงเบเปเบฎเบปเบฒเบเปเบฒเบเบเบถเปเบ.
เบเบงเบเปเบฎเบปเบฒเปเบฎเบฑเบเบงเบฝเบเบเบฑเบเบเปเปเบกเบนเบเบเบฐเบฅเบดเบกเบฒเบ
เบชเบดเปเบเบเปเบฒเบญเบดเบเบเบตเปเบเบงเบเปเบฎเบปเบฒเบเบงเบเปเบฎเบฑเบเปเบกเปเบเบเปเบฒเบเบปเบเบงเปเบฒเบกเบต "เบเบฑเบ spy" เปเบเบเปเปเบกเบนเบเบเบฐเบฅเบดเบกเบฒเบ. เบเบงเบเปเบฎเบปเบฒเปเบญเบตเปเบเบเปเบฅเปเบฒเปเบซเบผเบปเปเบฒเบเบตเปเบงเปเบฒเบเปเบญเบเบงเปเบฒเบเบงเบเปเบเบปเบฒเบเปเบฒเบชเบฐเปเบซเบเบตเบเบปเบงเปเบญเบเปเบเบฑเบเบเปเปเบกเบนเบเบเบฐเบฅเบดเบกเบฒเบ, เปเบเปเปเบฎเบฑเบเบซเบเปเบฒเบเบตเปเปเบเบฑเบเบเปเปเบกเบนเบเบเบตเปเบกเบตเบเบธเบเบเบฐเบเบฒเบ.
เบเบงเบเปเบฎเบปเบฒเบชเบฒเบกเบฒเบเบฅเบฐเบเบธเบเบงเบเบกเบฑเบเปเบเปเปเบเบงเปเบ? เปเบเปเบเบญเบ, เบกเบฑเบเบเบฑเบเบซเบกเบปเบเปเบกเปเบเบเบถเปเบเบเบฑเบเบฅเบฑเบเบชเบฐเบเบฐเบเบญเบเบเปเปเบกเบนเบเบเบตเปเบเปเบฒเบเบเปเบฒเบฅเบฑเบเบงเบดเปเบเบฒเบฐ, เปเบเปเปเบเบเบเบปเปเบงเปเบเบเปเบฅเปเบฒเบเบฑเปเบเบเปเบฒเบงเบญเบฒเบเบเบฐเบกเบตเบเปเปเบกเบนเบเบเบตเปเบเปเปเบเปเปเบฒเบเบฑเบเบซเบเปเบญเบ (เปเบเบเบฒเบเบเบทเปเบเบเบญเบ 3-10 เบกเบนเบเบเปเบฒเบเบตเปเปเบเบฑเบเปเบญเบเบฐเบฅเบฑเบ).
print(df_numerical.nunique())
เปเบกเบทเปเบญเบเบงเบเปเบฎเบปเบฒเปเบเปเบเปเบฒเบเบปเบเบเบฑเบ spy, เบเบงเบเปเบฎเบปเบฒเบเบฐเบเปเบฒเบเบเบงเบเปเบเบปเบฒเบเบฒเบเบเปเปเบกเบนเบเบเบฐเบฅเบดเบกเบฒเบเปเบเบซเบฒเบเปเปเบกเบนเบเบเบตเปเบกเบตเบเบธเบเบเบฐเบเบฒเบ:
spy_columns = df_numerical[['ะบะพะปะพะฝะบะฐ1', 'ะบะพะปะพะบะฐ2', 'ะบะพะปะพะฝะบะฐ3']]#ะฒัะดะตะปัะตะผ ะบะพะปะพะฝะบะธ-ัะฟะธะพะฝั ะธ ะทะฐะฟะธััะฒะฐะตะผ ะฒ ะพัะดะตะปัะฝัั dataframe
df_numerical.drop(labels=['ะบะพะปะพะฝะบะฐ1', 'ะบะพะปะพะบะฐ2', 'ะบะพะปะพะฝะบะฐ3'], axis=1, inplace = True)#ะฒััะตะทะฐะตะผ ััะธ ะบะพะปะพะฝะบะธ ะธะท ะบะพะปะธัะตััะฒะตะฝะฝัั
ะดะฐะฝะฝัั
df_categorical.insert(1, 'ะบะพะปะพะฝะบะฐ1', spy_columns['ะบะพะปะพะฝะบะฐ1']) #ะดะพะฑะฐะฒะปัะตะผ ะฟะตัะฒัั ะบะพะปะพะฝะบั-ัะฟะธะพะฝ ะฒ ะบะฐัะตััะฒะตะฝะฝัะต ะดะฐะฝะฝัะต
df_categorical.insert(1, 'ะบะพะปะพะฝะบะฐ2', spy_columns['ะบะพะปะพะฝะบะฐ2']) #ะดะพะฑะฐะฒะปัะตะผ ะฒัะพััั ะบะพะปะพะฝะบั-ัะฟะธะพะฝ ะฒ ะบะฐัะตััะฒะตะฝะฝัะต ะดะฐะฝะฝัะต
df_categorical.insert(1, 'ะบะพะปะพะฝะบะฐ3', spy_columns['ะบะพะปะพะฝะบะฐ3']) #ะดะพะฑะฐะฒะปัะตะผ ััะตััั ะบะพะปะพะฝะบั-ัะฟะธะพะฝ ะฒ ะบะฐัะตััะฒะตะฝะฝัะต ะดะฐะฝะฝัะต
เบชเบธเบเบเปเบฒเบ, เบเบงเบเปเบฎเบปเบฒเปเบเปเปเบเบเบเปเปเบกเบนเบเบเบฐเบฅเบดเบกเบฒเบเบขเปเบฒเบเบชเบปเบกเบเบนเบเบญเบญเบเบเบฒเบเบเปเปเบกเบนเบเบเบตเปเบกเบตเบเบธเบเบเบฐเบเบฒเบเปเบฅเบฐเปเบเบเบฑเบเบเบธเบเบฑเบเบเบงเบเปเบฎเบปเบฒเบชเบฒเบกเบฒเบเปเบฎเบฑเบเบงเบฝเบเบเบฑเบเบกเบฑเบเปเบเปเบขเปเบฒเบเบเบทเบเบเปเบญเบ. เบเปเบฒเบญเบดเบ, เบเบงเบเปเบฎเบปเบฒเบเปเบฒเปเบเบฑเบเบเปเบญเบเปเบเบปเปเบฒเปเบเบเปเบญเบเบเบตเปเบเบงเบเปเบฎเบปเบฒเบกเบตเบกเบนเบเบเปเบฒเปเบเบปเปเบฒ (NaN เปเบฅเบฐเปเบเบเบฒเบเบเปเบฅเบฐเบเบต 0 เบเบฐเบเบทเบเบเบญเบกเบฎเบฑเบเปเบเบฑเบเบเปเบฒเบซเบงเปเบฒเบเปเบเบปเปเบฒ).
for i in df_numerical.columns:
print(i, df[i][df[i]==0].count())
เปเบเบเบธเบเบเบตเป, เบกเบฑเบเปเบเบฑเบเบชเบดเปเบเบชเปเบฒเบเบฑเบเบเบตเปเบเบฐเปเบเบปเปเบฒเปเบเบงเปเบฒเบเปเบฅเปเบฒเบชเบนเบเบญเบฒเบเบเบฐเบเบตเปเบเบญเบเปเบเบดเบเบเปเบฒเบเบตเปเบเบฒเบเบซเบฒเบเปเบ: เบเบตเปเปเบกเปเบเบเปเบญเบเบงเบดเบเบตเบเบฒเบเปเบเบฑเบเบเปเบฒเบเปเปเบกเบนเบ? เบซเบผเบทเบกเบฑเบเบญเบฒเบเบเบฐเบเปเบฝเบงเบเปเบญเบเบเบฑเบเบเปเบฒเบเปเปเบกเบนเบ? เบเปเบฒเบเบฒเบกเปเบซเบผเบปเปเบฒเบเบตเปเบเปเบญเบเปเบเปเบฎเบฑเบเบเบฒเบเบเบญเบเปเบเบฑเบเบเปเบฅเบฐเบเบต.
เบเบฑเปเบเบเบฑเปเบ, เบเปเบฒเบเบงเบเปเบฎเบปเบฒเบเบฑเบเบเบฑเบเบชเบดเบเปเบเบงเปเบฒเบเบงเบเปเบฎเบปเบฒเบญเบฒเบเบเบฐเบเบฒเบเบเปเปเบกเบนเบเบเปเบญเบเบเบตเปเบกเบตเบชเบนเบ, เบเบงเบเปเบฎเบปเบฒเบเบงเบเบเบปเบเปเบเบเบชเบนเบเบเปเบงเบ NaN เปเบเบทเปเบญเปเบฎเบฑเบเปเบซเปเบกเบฑเบเบเปเบฒเบเบเปเปเบเบฒเบเปเบฎเบฑเบเบงเบฝเบเบเบฑเบเบเปเปเบกเบนเบเบเบตเปเบชเบนเบเปเบชเบเปเบเบเบฒเบเบซเบผเบฑเบ:
df_numerical[["ะบะพะปะพะฝะบะฐ 1", "ะบะพะปะพะฝะบะฐ 2"]] = df_numerical[["ะบะพะปะพะฝะบะฐ 1", "ะบะพะปะพะฝะบะฐ 2"]].replace(0, nan)
เบเบญเบเบเบตเปเปเบซเปเปเบเบดเปเบเบเปเบญเบเบเบตเปเบเบงเบเปเบฎเบปเบฒเบเบฒเบเบเปเปเบกเบนเบ:
sns.heatmap(df_numerical.isnull(),yticklabels=False,cbar=False,cmap='viridis') # ะะพะถะฝะพ ัะฐะบะถะต ะฒะพัะฟะพะปัะทะพะฒะฐัััั df_numerical.info()
เปเบเบเบตเปเบเบตเปเบเปเบฒเปเบซเบผเบปเปเบฒเบเบฑเปเบเบเบฒเบเปเบเบเบฑเบเบเบตเปเบเบฒเบเบซเบฒเบเปเบเบเบงเบเบเบฐเบเบทเบเบซเบกเบฒเบเปเบเบฑเบเบชเบตเปเบซเบผเบทเบญเบ. เปเบฅเบฐเปเบเบเบฑเบเบเบธเบเบฑเบเบเบงเบฒเบกเบกเปเบงเบเปเบฅเบตเปเบกเบเบปเปเบ - เบงเบดเบเบตเบเบฒเบเบเบฑเบเบเบฒเบเบเบฑเบเบเบธเบเบเปเบฒเปเบซเบผเบปเปเบฒเบเบตเป? เบเปเบญเบเบเบงเบเบฅเบถเบเปเบเบงเบเบตเปเบกเบตเบเปเบฒเบซเบผเบทเบเปเบฅเปเบฒเปเบซเบผเบปเปเบฒเบเบตเปเบเป? เบซเบผเบทเบเบทเปเบกเบกเบนเบเบเปเบฒเบซเบงเปเบฒเบเปเบเบปเปเบฒเปเบซเบผเบปเปเบฒเบเบตเปเบเบฑเบเบเบฒเบเบญเบฑเบเบญเบทเปเบ?
เบเบตเปเปเบกเปเบเปเบเบเบงเบฒเบเปเบเบเบเบฐเบกเบฒเบเบเบตเปเบชเบฒเบกเบฒเบเบเปเบงเบเปเบซเปเบเปเบฒเบเบเบฑเบเบชเบดเบเปเบเบงเปเบฒเบชเบดเปเบเบเบตเปเบชเบฒเบกเบฒเบเปเบฎเบฑเบเปเบเป, เปเบเบซเบผเบฑเบเบเบฒเบ, เบชเบฒเบกเบฒเบเปเบฎเบฑเบเปเบเปเบเปเบงเบเบเปเบฒเบซเบงเปเบฒเบเปเบเบปเปเบฒ:
0. เปเบญเบปเบฒเบเบฑเบเบเบตเปเบเปเปเบเปเบฒเปเบเบฑเบเบญเบญเบ
df_numerical.drop(labels=["ะบะพะปะพะฝะบะฐ1","ะบะพะปะพะฝะบะฐ2"], axis=1, inplace=True)
1. เบเปเบฒเบเบงเบเบเปเบฒเบซเบงเปเบฒเบเปเบเบปเปเบฒเบขเบนเปเปเบเบเบฑเบเบเบตเปเบชเบนเบเบเบงเปเบฒ 50% เบเป?
print(df_numerical.isnull().sum() / df_numerical.shape[0] * 100)
df_numerical.drop(labels=["ะบะพะปะพะฝะบะฐ1","ะบะพะปะพะฝะบะฐ2"], axis=1, inplace=True)#ะฃะดะฐะปัะตะผ, ะตัะปะธ ะบะฐะบะฐั-ัะพ ะบะพะปะพะฝะบะฐ ะธะผะตะตั ะฑะพะปััะต 50 ะฟััััั
ะทะฝะฐัะตะฝะธะน
2. เบฅเบถเบเปเบชเบฑเปเบเบเบตเปเบกเบตเบเปเบฒเบซเบงเปเบฒเบเปเบเบปเปเบฒ
df_numerical.dropna(inplace=True)#ะฃะดะฐะปัะตะผ ัััะพัะบะธ ั ะฟััััะผะธ ะทะฝะฐัะตะฝะธัะผะธ, ะตัะปะธ ะฟะพัะพะผ ะพััะฐะฝะตััั ะดะพััะฐัะพัะฝะพ ะดะฐะฝะฝัั
ะดะปั ะพะฑััะตะฝะธั
3.1. เบเบฒเบเปเบชเปเบเปเบฒเบชเบธเปเบก
import random #ะธะผะฟะพััะธััะตะผ random
df_numerical["ะบะพะปะพะฝะบะฐ"].fillna(lambda x: random.choice(df[df[column] != np.nan]["ะบะพะปะพะฝะบะฐ"]), inplace=True) #ะฒััะฐะฒะปัะตะผ ัะฐะฝะดะพะผะฝัะต ะทะฝะฐัะตะฝะธั ะฒ ะฟััััะต ะบะปะตัะบะธ ัะฐะฑะปะธัั
3.2. เบเบฒเบเปเบชเปเบเปเบฒเบเบปเบเบเบตเป
from sklearn.impute import SimpleImputer #ะธะผะฟะพััะธััะตะผ SimpleImputer, ะบะพัะพััะน ะฟะพะผะพะถะตั ะฒััะฐะฒะธัั ะทะฝะฐัะตะฝะธั
imputer = SimpleImputer(strategy='constant', fill_value="<ะะฐัะต ะทะฝะฐัะตะฝะธะต ะทะดะตัั>") #ะฒััะฐะฒะปัะตะผ ะพะฟัะตะดะตะปะตะฝะฝะพะต ะทะฝะฐัะตะฝะธะต ั ะฟะพะผะพััั SimpleImputer
df_numerical[["ะฝะพะฒะฐั_ะบะพะปะพะฝะบะฐ1",'ะฝะพะฒะฐั_ะบะพะปะพะฝะบะฐ2','ะฝะพะฒะฐั_ะบะพะปะพะฝะบะฐ3']] = imputer.fit_transform(df_numerical[['ะบะพะปะพะฝะบะฐ1', 'ะบะพะปะพะฝะบะฐ2', 'ะบะพะปะพะฝะบะฐ3']]) #ะัะธะผะตะฝัะตะผ ััะพ ะดะปั ะฝะฐัะตะน ัะฐะฑะปะธัั
df_numerical.drop(labels = ["ะบะพะปะพะฝะบะฐ1","ะบะพะปะพะฝะบะฐ2","ะบะพะปะพะฝะบะฐ3"], axis = 1, inplace = True) #ะฃะฑะธัะฐะตะผ ะบะพะปะพะฝะบะธ ัะพ ััะฐััะผะธ ะทะฝะฐัะตะฝะธัะผะธ
3.3. เปเบชเปเบเปเบฒเบชเบฐเปเบฅเปเบเบซเบผเบทเปเบฅเบทเปเบญเบเปเบเบตเปเบชเบธเบ
from sklearn.impute import SimpleImputer #ะธะผะฟะพััะธััะตะผ SimpleImputer, ะบะพัะพััะน ะฟะพะผะพะถะตั ะฒััะฐะฒะธัั ะทะฝะฐัะตะฝะธั
imputer = SimpleImputer(strategy='mean', missing_values = np.nan) #ะฒะผะตััะพ mean ะผะพะถะฝะพ ัะฐะบะถะต ะธัะฟะพะปัะทะพะฒะฐัั most_frequent
df_numerical[["ะฝะพะฒะฐั_ะบะพะปะพะฝะบะฐ1",'ะฝะพะฒะฐั_ะบะพะปะพะฝะบะฐ2','ะฝะพะฒะฐั_ะบะพะปะพะฝะบะฐ3']] = imputer.fit_transform(df_numerical[['ะบะพะปะพะฝะบะฐ1', 'ะบะพะปะพะฝะบะฐ2', 'ะบะพะปะพะฝะบะฐ3']]) #ะัะธะผะตะฝัะตะผ ััะพ ะดะปั ะฝะฐัะตะน ัะฐะฑะปะธัั
df_numerical.drop(labels = ["ะบะพะปะพะฝะบะฐ1","ะบะพะปะพะฝะบะฐ2","ะบะพะปะพะฝะบะฐ3"], axis = 1, inplace = True) #ะฃะฑะธัะฐะตะผ ะบะพะปะพะฝะบะธ ัะพ ััะฐััะผะธ ะทะฝะฐัะตะฝะธัะผะธ
3.4. เปเบชเปเบเปเบฒเบเบตเปเบเบดเบเปเบฅเปเปเบเบเบเบปเบงเปเบเบเบญเบทเปเบ
เบเบฒเบเบเบฑเปเบเบเปเบฒเบชเบฒเบกเบฒเบเบเบทเบเบเบดเบเปเบฅเปเปเบเบเปเบเปเบเบปเบงเปเบเบ regression เปเบเบเปเบเปเบเบปเบงเปเบเบเบเบฒเบเบซเปเบญเบเบชเบฐเบซเบกเบธเบ sklearn เบซเบผเบทเบซเปเบญเบเบชเบฐเบซเบกเบธเบเบเบตเปเบเปเบฒเบเบเบทเบเบฑเบเบญเบทเปเบเป. เบเบตเบกเบเบฒเบเบเบญเบเบเบงเบเปเบฎเบปเบฒเบเบฐเบญเบธเบเบดเบเบเบปเบเบเบงเบฒเบกเปเบเบเบเปเบฒเบเบซเบฒเบเบเปเบฝเบงเบเบฑเบเบงเบดเบเบตเบเบฒเบเบเบตเปเบชเบฒเบกเบฒเบเปเบฎเบฑเบเปเบเปเปเบเบญเบฐเบเบฒเบเบปเบเบญเบฑเบเปเบเปเบเบตเป.
เบเบฑเปเบเบเบฑเปเบ, เบชเปเบฒเบฅเบฑเบเปเบเบเบฑเบเบเบธเบเบฑเบ, เบเบฒเบเบเบฑเบเบเบฒเบเบเปเบฝเบงเบเบฑเบเบเปเปเบกเบนเบเบเบฐเบฅเบดเบกเบฒเบเบเบฐเบเบฑเบเบเบงเบฒเบ, เปเบเบทเปเบญเบเบเบฒเบเบงเปเบฒเบกเบตเบซเบผเบฒเบ nuances เบญเบทเปเบเปเบเปเบฝเบงเบเบฑเบเบงเบดเบเบตเบเบฒเบเบเบตเปเบเบตเบเบงเปเบฒเบเบฒเบเบเบฐเบเบฝเบกเบเปเปเบกเบนเบเปเบฅเบฐเบเบฒเบเบเบธเบเปเบเปเบเบชเปเบฒเบฅเบฑเบเบงเบฝเบเบเบฒเบเบเบตเปเปเบเบเบเปเบฒเบเบเบฑเบ, เปเบฅเบฐเบชเบดเปเบเบเบทเปเบเบเบฒเบเบชเปเบฒเบฅเบฑเบเบเปเปเบกเบนเบเบเบฐเบฅเบดเบกเบฒเบเปเบเปเบเบทเบเบเบดเบเบฒเบฅเบฐเบเบฒเปเบเบเบปเบเบเบงเบฒเบกเบเบตเป, เปเบฅเบฐ. เปเบเบเบฑเบเบเบธเบเบฑเบเปเบกเปเบเปเบงเบฅเบฒเบเบตเปเบเบฐเบเบฑเบเบเบทเบเปเบเบซเบฒเบเปเปเบกเบนเบเบเบตเปเบกเบตเบเบธเบเบเบฐเบเบฒเบเบเบตเปเบเบงเบเปเบฎเบปเบฒเปเบเปเปเบเบเบญเบญเบเบซเบผเบฒเบเบเบฑเปเบเบเบญเบเบเบฑเบเบเบทเบเปเบเบเปเบญเบเบเบฒเบเบเบฐเบฅเบดเบกเบฒเบ. เบเปเบฒเบโเบชเบฒโเบกเบฒเบโเบเปเบฝเบโเบเบทเปเบกโเบเบฑเบโเบเบถเบโเบเบตเปโเบเบฒเบกโเบเบตเปโเบเปเบฒเบโเบเบฐโเบฅเบธโเบเบฒโ, เบเบฑเบโเบกเบฑเบโเบเบฑเบโเบงเบฝเบโเบเบฒเบโเบเบตเปโเปเบเบโเบเปเบฒเบโเบเบฑเบโ, เบเบฑเปเบโเบเบฑเปเบโเบเบฒเบโเบเบฐโเบกเบงเบโเบเบปเบโเบเปเปโเบกเบนเบโเบฅเปเบงเบโเบซเบเปเบฒโเปเบงโเบซเบผเบฒเบโ!
เบเปเปเบกเบนเบเบเบธเบเบเบฐเบเบฒเบ
เปเบเบเบเบทเปเบเบเบฒเบเปเบฅเปเบง, เบชเปเบฒเบฅเบฑเบเบเปเปเบกเบนเบเบเบตเปเบกเบตเบเบธเบเบเบฐเบเบฒเบ, เบงเบดเบเบตเบเบฒเบเปเบเบปเปเบฒเบฅเบฐเบซเบฑเบเบซเบเบถเปเบเบฎเปเบญเบเปเบกเปเบเบเบทเบเบเปเบฒเปเบเปเปเบเบทเปเบญเบเบฑเบเบฎเบนเบเปเบเบเบกเบฑเบเบเบฒเบเบชเบฐเบเบฃเบดเบ (เบซเบผเบทเบงเบฑเบเบเบธ) เปเบเบซเบฒเบเบปเบงเปเบฅเบ. เบเปเบญเบเบเบตเปเบเบฐเบเปเบฒเบงเปเบเบชเบนเปเบเบธเบเบเบตเป, เปเบซเปเปเบเปเปเบเบเบงเบฒเบเปเบฅเบฐเบฅเบฐเบซเบฑเบเบเปเบฒเบเปเบเบดเบเปเบเบทเปเบญเบเบฑเบเบเบฒเบเบเบฑเบเบเปเบฒเบซเบงเปเบฒเบเปเบเบปเปเบฒ.
df_categorical.nunique()
sns.heatmap(df_categorical.isnull(),yticklabels=False,cbar=False,cmap='viridis')
0. เปเบญเบปเบฒเบเบฑเบเบเบตเปเบเปเปเบเปเบฒเปเบเบฑเบเบญเบญเบ
df_categorical.drop(labels=["ะบะพะปะพะฝะบะฐ1","ะบะพะปะพะฝะบะฐ2"], axis=1, inplace=True)
1. เบเปเบฒเบเบงเบเบเปเบฒเบซเบงเปเบฒเบเปเบเบปเปเบฒเบขเบนเปเปเบเบเบฑเบเบเบตเปเบชเบนเบเบเบงเปเบฒ 50% เบเป?
print(df_categorical.isnull().sum() / df_numerical.shape[0] * 100)
df_categorical.drop(labels=["ะบะพะปะพะฝะบะฐ1","ะบะพะปะพะฝะบะฐ2"], axis=1, inplace=True) #ะฃะดะฐะปัะตะผ, ะตัะปะธ ะบะฐะบะฐั-ัะพ ะบะพะปะพะฝะบะฐ
#ะธะผะตะตั ะฑะพะปััะต 50% ะฟััััั
ะทะฝะฐัะตะฝะธะน
2. เบฅเบถเบเปเบชเบฑเปเบเบเบตเปเบกเบตเบเปเบฒเบซเบงเปเบฒเบเปเบเบปเปเบฒ
df_categorical.dropna(inplace=True)#ะฃะดะฐะปัะตะผ ัััะพัะบะธ ั ะฟััััะผะธ ะทะฝะฐัะตะฝะธัะผะธ,
#ะตัะปะธ ะฟะพัะพะผ ะพััะฐะฝะตััั ะดะพััะฐัะพัะฝะพ ะดะฐะฝะฝัั
ะดะปั ะพะฑััะตะฝะธั
3.1. เบเบฒเบเปเบชเปเบเปเบฒเบชเบธเปเบก
import random
df_categorical["ะบะพะปะพะฝะบะฐ"].fillna(lambda x: random.choice(df[df[column] != np.nan]["ะบะพะปะพะฝะบะฐ"]), inplace=True)
3.2. เบเบฒเบเปเบชเปเบเปเบฒเบเบปเบเบเบตเป
from sklearn.impute import SimpleImputer
imputer = SimpleImputer(strategy='constant', fill_value="<ะะฐัะต ะทะฝะฐัะตะฝะธะต ะทะดะตัั>")
df_categorical[["ะฝะพะฒะฐั_ะบะพะปะพะฝะบะฐ1",'ะฝะพะฒะฐั_ะบะพะปะพะฝะบะฐ2','ะฝะพะฒะฐั_ะบะพะปะพะฝะบะฐ3']] = imputer.fit_transform(df_categorical[['ะบะพะปะพะฝะบะฐ1', 'ะบะพะปะพะฝะบะฐ2', 'ะบะพะปะพะฝะบะฐ3']])
df_categorical.drop(labels = ["ะบะพะปะพะฝะบะฐ1","ะบะพะปะพะฝะบะฐ2","ะบะพะปะพะฝะบะฐ3"], axis = 1, inplace = True)
เบเบฑเปเบเบเบฑเปเบ, เปเบเบเบตเปเบชเบธเบเบเบงเบเปเบฎเบปเบฒเปเบเปเบฎเบฑเบเบเบฒเบเบเบฑเบเบเบฒเบเบเปเบฝเบงเบเบฑเบ nulls เปเบเบเปเปเบกเบนเบเบเบธเบเบเบฐเบเบฒเบ. เปเบเบเบฑเบเบเบธเบเบฑเบเบกเบฑเบเปเบเบฑเบเปเบงเบฅเบฒเบเบตเปเบเบฐเบเบฐเบเบดเบเบฑเบเบเบฒเบเปเบเบปเปเบฒเบฅเบฐเบซเบฑเบเบซเบเบถเปเบเบฎเปเบญเบเบเปเบฝเบงเบเบฑเบเบเบธเบเบเปเบฒเบเบตเปเบกเบตเบขเบนเปเปเบเบเบฒเบเบเปเปเบกเบนเบเบเบญเบเบเปเบฒเบ. เบงเบดเบเบตเบเบฒเบเบเบตเปเบเบทเบเบเปเบฒเปเบเปเปเบฅเบทเปเบญเบเปเปเบเบทเปเบญเบฎเบฑเบเบเบฐเบเบฑเบเบงเปเบฒเบฅเบฐเบเบปเบเบเบญเบเบเปเบฒเบเบชเบฒเบกเบฒเบเบฎเบฝเบเบฎเบนเปเบเบฒเบเบเปเปเบกเบนเบเบเบตเปเบกเบตเบเบธเบเบเบฐเบเบฒเบเบชเบนเบ.
def encode_and_bind(original_dataframe, feature_to_encode):
dummies = pd.get_dummies(original_dataframe[[feature_to_encode]])
res = pd.concat([original_dataframe, dummies], axis=1)
res = res.drop([feature_to_encode], axis=1)
return(res)
features_to_encode = ["ะบะพะปะพะฝะบะฐ1","ะบะพะปะพะฝะบะฐ2","ะบะพะปะพะฝะบะฐ3"]
for feature in features_to_encode:
df_categorical = encode_and_bind(df_categorical, feature))
เบเบฑเปเบเบเบฑเปเบ, เปเบเบเบตเปเบชเบธเบเบเบงเบเปเบฎเบปเบฒเปเบเปเบชเปเบฒเปเบฅเบฑเบเบเบฒเบเบเบธเบเปเบเปเบเบเปเปเบกเบนเบเบเบตเปเบกเบตเบเบธเบเบเบฐเบเบฒเบเปเบฅเบฐเบเบฐเบฅเบดเบกเบฒเบเปเบเบเบเปเบฒเบเบซเบฒเบ - เปเบงเบฅเบฒเบเบตเปเบเบฐเบฅเบงเบกเบเบงเบเบกเบฑเบเบเบทเบ
new_df = pd.concat([df_numerical,df_categorical], axis=1)
เบซเบผเบฑเบเบเบฒเบเบเบตเปเบเบงเบเปเบฎเบปเบฒเปเบเปเบฅเบงเบกเบเบธเบเบเปเปเบกเบนเบเปเบเบปเปเบฒเบเบฑเบเปเบเบฑเบเบญเบฑเบเบเบฝเบงเบเบฑเบ, เปเบเบเบตเปเบชเบธเบเบเบงเบเปเบฎเบปเบฒเบชเบฒเบกเบฒเบเบเปเบฒเปเบเปเบเบฒเบเบซเบฑเบเบเปเบฝเบเบเปเปเบกเบนเบเปเบเบเปเบเป MinMaxScaler เบเบฒเบเบซเปเบญเบเบชเบฐเบซเบกเบธเบ sklearn. เบเบตเปเบเบฐเปเบฎเบฑเบเปเบซเปเบเบธเบเบเปเบฒเบเบญเบเบเบงเบเปเบฎเบปเบฒเบฅเบฐเบซเบงเปเบฒเบ 0 เปเบฅเบฐ 1, เปเบเบดเปเบเบเบฐเบเปเบงเบเปเบเปเบงเบฅเบฒเบเบตเปเบเบฒเบเบเบถเบเบญเบปเบเบฎเบปเบกเบเบปเบงเปเบเบเปเบเบญเบฐเบเบฒเบเบปเบ.
from sklearn.preprocessing import MinMaxScaler
min_max_scaler = MinMaxScaler()
new_df = min_max_scaler.fit_transform(new_df)
เบเปเปเบกเบนเบเบเบตเปเบเปเบญเบกเปเบฅเปเบงเบชเบณเบฅเบฑเบเบเบธเบเบขเปเบฒเบ - neural networks, standard ML algorithms, etc.!
เปเบเบเบปเบเบเบงเบฒเบกเบเบตเป, เบเบงเบเปเบฎเบปเบฒเบเปเปเปเบเปเบเปเบฒเบเบถเบเปเบเบดเบเบเบฒเบเปเบฎเบฑเบเบงเบฝเบเบเบฑเบเบเปเปเบกเบนเบเบเบธเบเปเบงเบฅเบฒ, เปเบเบฒเบฐเบงเปเบฒเบชเปเบฒเบฅเบฑเบเบเปเปเบกเบนเบเบเบฑเปเบเบเปเบฒเบงเบเปเบฒเบเบเบงเบเปเบเปเปเบเบฑเบเบเบดเบเบเบฒเบเบเบธเบเปเบเปเบเบเบตเปเปเบเบเบเปเบฒเบเบเบฑเบเปเบฅเบฑเบเบเปเบญเบ, เบเบถเปเบเบเบฑเบเบงเบฝเบเบเบฒเบเบเบญเบเบเปเบฒเบ. เปเบเบญเบฐเบเบฒเบเบปเบ, เบเบตเบกเบเบฒเบเบเบญเบเบเบงเบเปเบฎเบปเบฒเบเบฐเบญเบธเบเบดเบเบเบปเบเบเบงเบฒเบกเปเบเบเบเปเบฒเบเบซเบฒเบเบเปเบฝเบงเบเบฑเบเบซเบปเบงเบเปเปเบเบตเป, เปเบฅเบฐเบเบงเบเปเบฎเบปเบฒเบซเบงเบฑเบเบงเปเบฒเบกเบฑเบเบเบฐเบชเบฒเบกเบฒเบเบเปเบฒเปเบญเบปเบฒเบชเบดเปเบเบเบตเปเบซเบเปเบฒเบชเบปเบเปเบ, เปเบซเบกเปเปเบฅเบฐเปเบเบฑเบเบเบฐเปเบซเบเบเปเบเบปเปเบฒเบกเบฒเปเบเบเบตเบงเบดเบเบเบญเบเปเบเบปเปเบฒ, เบเบทเบเบฑเบเบเบฑเบเปเบฅเบทเปเบญเบเบเบตเป.
เปเบซเบผเปเบเบเปเปเบกเบนเบ: www.habr.com