After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Deskripsi Kursus
Mampu memahami, menggunakan, dan merangkum data non-numerik—seperti golongan darah atau status perkawinan seseorang—merupakan keterampilan penting bagi seorang data scientist. Dalam kursus ini, Anda akan belajar memanipulasi dan memvisualisasikan data kategorikal menggunakan pandas dan seaborn. Melalui latihan praktik, Anda akan memahami tipe data kategorikal pada pandas, termasuk cara membuat, menghapus, dan memperbarui kolom kategorikal. Anda juga akan bekerja dengan beragam himpunan data, termasuk karakteristik anjing adopsi, ulasan perjalanan Las Vegas, dan data sensus untuk mengembangkan keterampilan Anda dalam mengolah data kategorikal.
Prasyarat
Kurikulum
Garis besar kursus
1
Pengantar Data Kategorikal
Hampir setiap himpunan data memuat informasi kategorikal—dan sering kali itu merupakan tambang emas informasi yang belum tergali. Pada bab ini, Anda akan mempelajari bagaimana pandas menangani kolom kategorikal menggunakan tipe data category. Anda juga akan menemukan cara mengelompokkan data berdasarkan kategori untuk mendapatkan statistik ringkasan yang bermanfaat.
- Pengantar kursus50 XP
- Kategorikal vs. numerik100 XP
- Mengeksplorasi variabel target100 XP
- Variabel kategorikal ordinal100 XP
- Data kategorikal di pandas50 XP
- Mengatur dtype dan menghemat memori100 XP
- Membuat Series kategorikal pandas100 XP
- Menetapkan dtype saat membaca data100 XP
- Mengelompokkan data berdasarkan kategori di pandas50 XP
- Buat banyak kelompok50 XP
- Menyusun pernyataan .groupby()100 XP
- Menggunakan fungsi pandas secara efektif100 XP
2
Series pandas Kategorikal
Sekarang saatnya mempelajari cara menetapkan, menambahkan, dan menghapus kategori dari sebuah Series. Anda juga akan mengeksplorasi cara memperbarui, mengganti nama, menggabungkan, dan mengurutkan ulang kategori, sebelum menerapkan keterampilan baru Anda untuk membersihkan dan mengakses data lain di dalam DataFrame Anda.
3
Memvisualisasikan Data Kategorikal
Pada bab ini, Anda akan menggunakan pustaka Python seaborn untuk membuat visualisasi informatif dengan data kategorikal—termasuk categorical plot (cat-plot), box plot, bar plot, point plot, dan count plot. Anda kemudian akan mempelajari cara memvisualisasikan kolom kategorikal dan membagi data berdasarkan kolom kategorikal untuk memvisualisasikan statistik ringkasan dari kolom numerik.
4
Jebakan dan Encoding
Terakhir, Anda akan mempelajari cara mengatasi jebakan umum saat menggunakan data kategorikal. Anda juga akan meningkatkan keterampilan encoding data saat diperkenalkan pada label encoding dan one-hot encoding—sangat cocok untuk membantu mempersiapkan data Anda digunakan dalam algoritma Machine Learning.
Bekerja dengan Data Kategorikal di Python
Kursus
Selesai
