Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Die Fähigkeit, nicht-numerische Daten - wie die Blutgruppe oder den Familienstand einer Person - zu verstehen, zu nutzen und zusammenzufassen, ist ein wichtiger Bestandteil der Arbeit eines Datenwissenschaftlers. In diesem Kurs lernst du, wie du kategoriale Daten mit Pandas und Seaborn manipulieren und visualisieren kannst. In praktischen Übungen lernst du den kategorischen Datentyp von Pandas kennen und erfährst, wie du kategorische Spalten erstellen, löschen und aktualisieren kannst. Du wirst auch mit einer Vielzahl von Datensätzen arbeiten, z. B. mit den Merkmalen von adoptierbaren Hunden, Reiseberichten aus Las Vegas und Volkszählungsdaten, um deine Fähigkeiten im Umgang mit kategorialen Daten zu verbessern.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Einführung in kategoriale Daten
Fast jeder Datensatz enthält kategoriale Informationen - und oft sind sie eine unerforschte Goldgrube an Informationen. In diesem Kapitel lernst du, wie Pandas kategoriale Spalten mit dem Datentyp Kategorie behandelt. Du erfährst auch, wie du Daten nach Kategorien gruppieren kannst, um tolle zusammenfassende Statistiken zu erstellen.
- Kurseinführung50 XP
- Kategorisch vs. numerisch100 XP
- Eine Zielvariable erforschen100 XP
- Ordinale kategoriale Variablen100 XP
- Kategoriale Daten in Pandas50 XP
- D-Typen einstellen und Speicher sichern100 XP
- Erstellen einer kategorialen Pandas-Serie100 XP
- dtype beim Lesen von Daten einstellen100 XP
- Daten nach Kategorie in Pandas gruppieren50 XP
- Viele Gruppen erstellen50 XP
- Einrichten einer .groupby()-Anweisung100 XP
- Pandas-Funktionen effektiv nutzen100 XP
2
Kategorische Pandas Serie
Jetzt ist es an der Zeit zu lernen, wie man Kategorien in einer Serie einrichtet, hinzufügt und entfernt. Du lernst außerdem, wie du Kategorien aktualisierst, umbenennst, ausblendest, zusammenfasst und neu anordnest, bevor du dein neues Wissen nutzt, um andere Daten in deinem DataFrame zu bereinigen und darauf zuzugreifen.
3
Visualisierung kategorischer Daten
In diesem Kapitel verwendest du die Python-Bibliothek seaborn, um aussagekräftige Visualisierungen mit kategorialen Daten zu erstellen - darunter kategoriale Plots (cat-plot), Box-Plots, Bar-Plots, Point-Plots und Count-Plots. Dann lernst du, wie du kategorische Spalten visualisieren und Daten über kategorische Spalten aufteilen kannst, um zusammenfassende Statistiken numerischer Spalten zu visualisieren.
4
Fallstricke und Kodierung
Schließlich erfährst du, wie du die üblichen Fallstricke bei der Verwendung kategorischer Daten umgehen kannst. Du wirst auch deine Fähigkeiten zur Datenkodierung erweitern, indem du in die Labelkodierung und die One-Hot-Kodierung eingeführt wirst - perfekt, um deine Daten für die Verwendung in Algorithmen für maschinelles Lernen vorzubereiten.
Arbeiten mit kategorialen Daten in Python
Kurs
abgeschlossen
