Build your ultimate AI agent
Cursusbeschrijving
Het kunnen begrijpen, gebruiken en samenvatten van niet-numerieke gegevens—zoals iemands bloedgroep of burgerlijke staat—is een essentieel onderdeel van het werk van een data scientist. In deze cursus leer je hoe je categorische data kunt manipuleren en visualiseren met pandas en seaborn. Met praktische oefeningen ga je aan de slag met het categorische gegevenstype van pandas, inclusief het maken, verwijderen en bijwerken van categorische kolommen. Je werkt ook met uiteenlopende gegevenssets, zoals kenmerken van adopteerbare honden, recensies van trips naar Las Vegas en volkstellingsdata, om je skills in het werken met categorische data te ontwikkelen.
Vereisten
Curriculum
Cursusoverzicht
1
Introductie tot categorische data
Bijna elke gegevensset bevat categorische informatie—en vaak is dat een onontgonnen goudmijn. In dit hoofdstuk leer je hoe pandas categorische kolommen verwerkt met het gegevenstype category. Je ontdekt ook hoe je data kunt groeperen op categorieën om sterke samenvattende statistieken te vinden.
- Introductie van de cursus50 XP
- Categorisch vs. numeriek100 XP
- Een doelvariabele verkennen100 XP
- Ordinale categorische variabelen100 XP
- Categorische gegevens in pandas50 XP
- dtypes instellen en geheugen besparen100 XP
- Een categorische pandas-Series maken100 XP
- dtype instellen bij het inlezen van data100 XP
- Gegevens groeperen op categorie in pandas50 XP
- Maak heel veel groepen50 XP
- Een .groupby()-instructie opzetten100 XP
- pandas-functies effectief gebruiken100 XP
2
Categorische pandas Series
Nu is het tijd om te leren hoe je categorieën instelt, toevoegt en verwijdert uit een Series. Je verkent ook hoe je categorieën kunt bijwerken, hernoemen, samenvoegen en herschikken, voordat je je nieuwe skills toepast om andere data in je DataFrame op te schonen en te benaderen.
3
Categorische data visualiseren
In dit hoofdstuk gebruik je de Python-bibliotheek seaborn om informatieve visualisaties te maken met categorische data—waaronder categorische plots (cat-plot), boxplots, staafdiagrammen, point plots en count plots. Daarna leer je hoe je categorische kolommen visualiseert en data opsplitst over categorische kolommen om samenvattende statistieken van numerieke kolommen te tonen.
4
Valkuilen en encoderen
Tot slot leer je hoe je veelvoorkomende valkuilen bij het gebruik van categorische data omzeilt. Je bouwt ook je data-encodingvaardigheden uit met een introductie tot label encoding en one-hot encoding—perfect om je data voor te bereiden voor gebruik in Machine Learning-algoritmen.
Werken met categorische data in Python
Cursus
voltooid
