Changellenge_MEGAFON

def nan_features(data, border): # возвращает фичи, число NaN у которых больше порога [0,1]
    f = []
    for feature in data.columns:
        if Counter(np.isnan(data[feature]))[True]/float(data.shape[0]) > border:
            f.append(feature)


# отбираем сильнокореллирующие друг с другом признаки в данных (больше порога border [0,1])
# Ф-я возвращает словарь:  ключ -"Признак", значение - "Series с кореллирующими признаками и знач. корелляции"

def GetHightCorrFeatures(data, border):

    data_corr = data.corr()
    feature_corr = []
    for feature in columns:

        subset_feat_corr = data_corr.loc[feature][abs(data_corr.loc[feature]) > 0.8]

        subset_feat_corr.drop(feature, inplace=True)

        feature_corr.append( (feature, subset_feat_corr) )

    return dict(feature_corr)


# А эта функция удаляет кореллирующие признаки (оставляет из n сильно кореллирующих один) и возвращает новые фичи

def GetNewFeatures(feature_corr)
    new_features = []
    deleted = []
    for feature in feature_corr:

        if feature not in deleted :

            new_features.append(feature)

            if feature_corr[feature].shape[0] != 0 : # есть корр > 0.9

                for ftd in feature_corr[feature].index :

                    if ftd not in new_features:
                        deleted.append(ftd)
    return new_fetures