alteryx/evalml

Improve implementation of ``NullDataCheck``

Ouverte

#3 273 ouverte le 22 janv. 2022

Voir sur GitHubGuide contributeur
 (1 commentaire) (0 réaction) (1 personne assignée)Python (93 forks)auto 404
good first issueperformancerefactor

Métriques du dépôt

Stars
 (852 étoiles)
Métriques de merge PR
 (Métriques PR en attente)

Description

Follow up on https://github.com/alteryx/evalml/pull/3182 based on @freddyaboulton's comment:

I think we can improve this implementation. Right now we do two scans of the data to determine the highly null columns and the columns with any nulls. Doing so also involves creating a new copy of the data without NaturalLanguage/DateTime.

I think if we refactor get_null_column_information to return {col_name: % nulls} we only have to do one scan without creating another copy to determine which are highly null and which are null.

Originally posted by @freddyaboulton in https://github.com/alteryx/evalml/pull/3182#discussion_r789977564

Guide contributeur

Direction de recherche
Refactorisez la fonction `get null column information` pour qu'elle retourne un dictionnaire mappant les noms de colonnes à leur pourcentage de valeurs nulles. Cela éliminera le besoin de deux analyses et d'une copie des données. Assurez vous que le `NullDataCheck` mis à jour utilise ce dictionnaire unique pour identifier les colonnes fortement nulles et les colonnes avec des valeurs nulles.
Stack technique
python
Domaine
datamachine learning
Type d'issue
Refactorisation
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
2
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-3 heures
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
Python
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
75