After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Saper comprendere, usare e riassumere dati non numerici—come il gruppo sanguigno o lo stato civile di una persona—è fondamentale per chi fa data science. In questo corso imparerai a manipolare e visualizzare dati categorici con pandas e seaborn. Con esercizi pratici, prenderai confidenza con il tipo di dato categorico di pandas, inclusa la creazione, l’eliminazione e l’aggiornamento di colonne categoriche. Lavorerai anche con un’ampia gamma di insiemi di dati, come le caratteristiche dei cani adottabili, le recensioni dei viaggi a Las Vegas e i dati del censimento, per sviluppare le tue abilità nel trattare i dati categorici.
Prerequisiti
Curriculum
Programma del corso
1
Introduzione ai dati categorici
Quasi ogni insieme di dati contiene informazioni categoriche—e spesso sono una miniera d’oro ancora inesplorata. In questo capitolo vedrai come pandas gestisce le colonne categoriche tramite il tipo di dato category. Scoprirai anche come raggruppare i dati per categorie per ottenere ottime statistiche descrittive.
- Introduzione al corso50 XP
- Categoriche vs. numeriche100 XP
- Esplorare una variabile target100 XP
- Variabili categoriali ordinali100 XP
- Dati categorici in pandas50 XP
- Impostare i dtypes e risparmiare memoria100 XP
- Creare una Series categorica di pandas100 XP
- Impostare dtype durante la lettura dei dati100 XP
- Raggruppare i dati per categoria in pandas50 XP
- Crea tanti gruppi50 XP
- Impostare un'istruzione .groupby()100 XP
- Usare al meglio le funzioni di pandas100 XP
2
Series categoriche di pandas
Ora è il momento di imparare a impostare, aggiungere e rimuovere categorie da una Series. Esplorerai anche come aggiornare, rinominare, accorpare e riordinare le categorie, per poi applicare le nuove competenze alla pulizia e all’accesso ad altri dati nel tuo DataFrame.
3
Visualizzare i dati categorici
In questo capitolo userai la libreria Python seaborn per creare visualizzazioni informative con dati categorici—incluse le categorical plot (cat-plot), box plot, bar plot, point plot e count plot. Imparerai poi a visualizzare colonne categoriche e a suddividere i dati in base a colonne categoriche per rappresentare statistiche riassuntive di colonne numeriche.
4
Insidie ed encoding
Infine, imparerai a superare le insidie più comuni nell’uso dei dati categorici. Potenzierai anche le tue competenze di data encoding con un’introduzione alla label encoding e alla one-hot encoding—perfette per preparare i dati all’uso negli algoritmi di Machine Learning.
Lavorare con i dati categorici in Python
Corso
completato
