これらのコースを受講したことで、プロフェッショナルなビジュアライゼーションやダッシュボードを自信を持って作成できるようになりました
Shoebur Rahman調達スペシャリスト、Giz Bangladesh
コースの説明
血液型や婚姻状況のような数値以外のデータを理解・活用・要約できることは、データサイエンティストにとって欠かせません。本コースでは、pandas と seaborn を使ってカテゴリカルデータを操作・可視化する方法を学びます。ハンズオン演習を通じて、pandas のカテゴリカル型を使い、カテゴリ列の作成・削除・更新の方法を身につけます。さらに、里親募集中の犬の特徴、ラスベガス旅行のレビュー、国勢調査データなど多様なデータセットを扱い、カテゴリカルデータの実務スキルを磨いていきます。
前提条件
カリキュラム
コース概要
1
カテゴリカルデータの導入
ほぼすべてのデータセットにはカテゴリ情報が含まれており、見過ごされがちな“情報の宝庫”です。この章では、pandas が category というデータ型でカテゴリ列をどのように扱うかを学びます。さらに、データをカテゴリでグループ化して、有益な要約統計量を導き出す方法も身につけます。
2
pandas のカテゴリ型 Series
ここでは、Series に対してカテゴリの設定・追加・削除を行う方法を学びます。さらに、カテゴリの更新、名称変更、統合（折りたたみ）、並べ替えを行い、そのスキルを使って DataFrame 内の他のデータを整形・参照する方法も探ります。
3
カテゴリカルデータの可視化
この章では、Python ライブラリの seaborn を使って、カテゴリカルデータによる有益な可視化を作成します。具体的には、カテゴリプロット（cat-plot）、箱ひげ図、棒グラフ、ポイントプロット、カウントプロットを扱います。続いて、カテゴリ列を可視化し、カテゴリでデータを分割して、数値列の要約統計量を視覚化する方法を学びます。
4
落とし穴とエンコーディング
最後に、カテゴリカルデータを扱う際の一般的な落とし穴を回避する方法を学びます。さらに、Machine Learning 向けの前処理に役立つ label encoding と one-hot encoding を紹介し、データのエンコーディングスキルを強化します。
Pythonでカテゴリカルデータを扱う
コース修了
