ЛММО. 9/24.6/11.6/7.Задача 3

Масштабируйте количественные признаки для тренировочной и тестовой выборок с помощью стандартизации. Выведите первые пять строк на экран командой print().

import pandas as pd
from matplotlib import pyplot as plt
from sklearn.model_selection import train_test_split

# импортируйте класс для масштабирования стандартизацией
from sklearn.preprocessing import StandardScaler

RANDOM_STATE = 42

df = pd.read_csv('real_estate_clean_cat.csv')
X = df.drop('price', axis=1)
y = df['price']

X_train, X_test, y_train, y_test = train_test_split(
    X, 
    y, 
    random_state=RANDOM_STATE)

cat_col_names = ['building_type', 'parking_place', 'rooms_number']
num_col_names = ['total_area',
                 'living_area',
                 'ceil_height',
                 'city_center_distance',
                 'years_after_repair']

## подготовка признаков для масштабирования
# создайте переменную с экземпляром класса StandardScaler()
scaler = StandardScaler()
# обучите и трансформируйте количественные признаки из тренировочной выборки 
# выполните это одной командой
#X_train[num_col_names] = scaler.fit_transform(X_train[num_col_names])
X_train[num_col_names] = scaler.fit_transform(X_train[num_col_names])
# выполните преобразование количественных признаков в тестовой выборке
#X_test[num_col_names] = scaler.fit_transform(X_test[num_col_names])
X_test[num_col_names] = scaler.transform(X_test[num_col_names])
# с помощью print() выведите пять первых строк из тренировочного датафрейма на экран
print(X_train[:5])