2.3.1.B Preprocesamiento de Datos ~ Muestreo скачать в хорошем качестве

2.3.1.B Preprocesamiento de Datos ~ Muestreo

#datamining #muestreo #mineriadedatos Genera un script completo en Python para usar dentro del widget "Python Script" de Orange Data Mining. El script debe cumplir exactamente lo siguiente: CONTEXTO: El dataset contiene empleados y variables como: Departamento (categórica) Horas_Trabajo_Semana Salario_Mensual Nivel_Estres Indice_Burnout Dias_Ausentismo Los datos de entrada vienen en la variable "in_data" de Orange. La salida debe ser "out_data" como una tabla Orange. REQUISITOS: 1. Convertir los datos de Orange a un DataFrame de pandas. 2. Las variables categóricas en Orange vienen como códigos numéricos; deben convertirse a sus nombres reales usando var.values[int(val)], manejando NaN sin errores. 3. Agrupar los datos por la columna "Departamento". 4. Calcular: Promedio de Horas_Trabajo_Semana → Prom_Horas Promedio de Salario_Mensual → Prom_Salario Promedio de Nivel_Estres → Prom_Estres Promedio de Indice_Burnout → Prom_Burnout Suma de Dias_Ausentismo → Total_Ausentismo 5. Redondear todos los resultados a 2 decimales. 6. Imprimir el DataFrame resultante en consola. 7. Convertir el DataFrame final a una tabla Orange usando Table.from_numpy(). 8. La tabla final debe tener exactamente estas columnas: Departamento (discreta) Prom_Horas Prom_Salario Prom_Estres Prom_Burnout Total_Ausentismo 9. La salida debe verse como una tabla con filas por departamento, igual al estilo: | Departamento | Prom_Horas | Prom_Salario | Prom_Estres | Prom_Burnout | Total_Ausentismo | ENTREGABLE: Devuelve únicamente el código Python completo, funcional y listo para pegar en Orange.