실습 4 — 특성과 레이블 만들고 나누기

import pandas as pd
from sklearn.model_selection import train_test_split

df = pd.read_csv("out_delivery_clean.csv")

# 주문일은 글자로 읽혀 있다. to_datetime 으로 날짜로 바꾼다
# dt.day_of_week 는 요일 번호(월 0 ~ 일 6). 5 이상이면 토요일과 일요일
df["주말"] = (pd.to_datetime(df["주문일"]).dt.day_of_week >= 5).astype(int)

# 주말(1)과 평일(0)의 지연 비율을 견준다
print(df.groupby("주말")["지연"].mean().round(3))

# 특성으로 쓸 열. 주문번호(행 번호)와 주문일(주말로 바꿈), 지연(정답)은 뺀다
features = ["주문시각", "거리km", "무게kg", "주말", "지역", "상품분류", "날씨", "택배사"]

# get_dummies 는 글자 열을 값마다 0/1 열로 펼친다
# 예: 날씨 → 날씨_눈, 날씨_맑음, 날씨_비 ... (그 행의 날씨인 열만 1)
# dtype=int 는 True/False 대신 1/0 으로 적게 한다
X = pd.get_dummies(df[features], dtype=int)
y = df["지연"]

print("특성 표의 모양:", X.shape)
print(X.columns.tolist())

# test_size=0.25  : 25% 를 시험용으로 뗀다
# random_state=42 : 섞는 순서를 고정한다. 실습 5와 6도 같은 값을 써서 똑같이 나눈다
# stratify=y      : 지연 비율을 학습용과 시험용에 똑같이 나눈다
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.25, random_state=42, stratify=y
)

print("학습용:", len(X_train), "건, 지연 비율", round(y_train.mean(), 3))
print("시험용:", len(X_test), "건, 지연 비율", round(y_test.mean(), 3))