After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
혈액형이나 혼인 여부처럼 숫자가 아닌 데이터를 이해하고, 활용하고, 요약하는 능력은 데이터 과학자에게 매우 중요합니다. 이 과정에서는 pandas와 seaborn을 사용해 범주형 데이터를 조작하고 시각화하는 방법을 배웁니다. 실습을 통해 pandas의 범주형 데이터 타입을 익히고, 범주형 열을 생성·삭제·업데이트하는 방법을 연습해 볼 거예요. 또한 입양 가능한 반려견 특성, 라스베이거스 여행 후기, 인구 조사 데이터 등 다양한 데이터셋을 다루며 범주형 데이터를 효과적으로 다루는 역량을 키웁니다.
사전 요구 사항
커리큘럼
코스 개요
1
범주형 데이터 소개
대부분의 데이터셋에는 범주형 정보가 포함되어 있으며, 종종 놓치기 쉬운 유용한 인사이트의 보고입니다. 이 장에서는 pandas가 category 데이터 타입으로 범주형 열을 어떻게 처리하는지 배우고, 범주별로 데이터를 그룹화해 훌륭한 요약 통계를 도출하는 방법을 알아봅니다.
2
범주형 pandas Series
이제 Series에서 범주를 설정하고 추가·제거하는 방법을 배울 차례예요. 범주를 업데이트하고, 이름을 바꾸고, 통합하고, 순서를 재정렬하는 방법도 살펴본 뒤, 이러한 기술을 적용해 DataFrame 내의 다른 데이터를 정리하고 접근하는 방법을 연습합니다.
3
범주형 데이터 시각화
이 장에서는 Python 라이브러리인 seaborn을 사용해 범주형 데이터로 유익한 시각화를 만들어 봅니다. 범주형 플롯(cat-plot), 상자 그림, 막대 그래프, 포인트 플롯, 카운트 플롯 등을 다룹니다. 이어서 범주형 열을 시각화하고, 범주형 열을 기준으로 데이터를 분할하여 수치형 열의 요약 통계를 시각화하는 방법을 학습합니다.
4
주의할 점과 인코딩
마지막으로 범주형 데이터를 사용할 때 흔히 겪는 함정을 어떻게 피할지 배우고, 레이블 인코딩과 원-핫 인코딩을 통해 데이터 인코딩 역량을 확장합니다. 이는 Machine Learning 알고리즘에 사용할 데이터를 준비하는 데 매우 유용합니다.
Python으로 범주형 데이터 다루기
코스
완료
