Lewati ke konten utama

Kursus

Bekerja dengan Data Kategorikal di Python

MenengahTingkat Keterampilan

Diperbarui 07/2025

Pelajari cara memanipulasi dan memvisualisasikan data kategorikal menggunakan pandas dan seaborn.

Mulai Kursus Gratis

PythonData Manipulation

4 jam

15 videos

52 Latihan

4,200 XP

35,099

Pernyataan Pencapaian

Dipercaya oleh para pelajar di ribuan perusahaan

Melatih Tim?

Coba untuk Bisnis

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.

Persyaratan

Data Manipulation with pandas

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 kursus

Kategorikal vs. numerik

Mengeksplorasi variabel target

Variabel kategorikal ordinal

Data kategorikal di pandas

Mengatur dtype dan menghemat memori

Membuat Series kategorikal pandas

Menetapkan dtype saat membaca data

Mengelompokkan data berdasarkan kategori di pandas

Buat banyak kelompok

Menyusun pernyataan .groupby()

Menggunakan fungsi pandas secara efektif

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.

Mengatur variabel kategori

Menetapkan kategori

Menambahkan kategori

Menghapus kategori

Memperbarui kategori

Pemeriksaan pengetahuan: Menggabungkan kategori

Mengganti nama kategori

Menggabungkan kategori

Mengurutkan ulang kategori

Mengurutkan ulang kategori dalam sebuah Series

Menggunakan .groupby() setelah mengubah urutan

Membersihkan dan mengakses data

Membersihkan variabel

Mengakses dan memfilter data

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.

Pendahuluan ke plot kategorikal menggunakan Seaborn

Memahami boxplot

Membuat box plot

Plot batang Seaborn

Membuat bar plot

Mengurutkan kategori

Plot batang menggunakan hue

Plot titik dan plot hitung

Membuat point plot

Membuat count plot

Meninjau jenis-jenis catplot()

Opsi tambahan catplot()

Satu visualisasi per grup

Memperbarui plot kategorikal

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.

Kendala pada Data Kategori

Pemeriksaan pengetahuan penggunaan memori

Mengatasi jebakan: masalah string

Mengatasi jebakan: menggunakan array NumPy

Label encoding

Buat label encoding dan peta

Menggunakan pemetaan yang disimpan

Membuat encoding Boolean

One-hot encoding

Cek pengetahuan one-hot

One-hot encoding pada kolom tertentu

Video penutup

Bekerja dengan Data Kategorikal di Python

Kursus
Selesai

Memperoleh Surat Keterangan Prestasi

Tambahkan kredensial ini ke profil LinkedIn, resume, atau CV Anda
Bagikan di media sosial dan dalam penilaian kinerja AndaDaftar sekarang

Bergabung dengan 19 juta pelajar dan mulai Bekerja dengan Data Kategorikal di Python Hari Ini!

Kembangkan keterampilan data Anda dengan DataCamp untuk Mobile

Buat kemajuan di mana saja dengan kursus mobile kami dan tantangan coding harian 5 menit.