Po ukończeniu tych kursów czuję się pewnie w tworzeniu profesjonalnych wizualizacji i pulpitów nawigacyjnych
Shoebur RahmanSpecjalista ds. zakupów, Giz Bangladesh
Opis kursu
Umiejętność rozumienia, wykorzystywania i podsumowywania danych nienumerycznych – takich jak grupa krwi czy stan cywilny – jest niezbędna w pracy każdego data scientista. W tym kursie nauczysz się manipulować danymi kategorycznymi i wizualizować je przy użyciu bibliotek pandas i seaborn. Dzięki praktycznym ćwiczeniom poznasz typ danych kategorycznych w pandas – w tym sposób tworzenia, usuwania i aktualizowania kolumn kategorycznych. Będziesz też pracować z różnorodnymi zbiorami danych: danymi o psach do adopcji, recenzjami wycieczek do Las Vegas oraz danymi spisowymi.
Wymagania wstępne
Program nauczania
Plan kursu
1
Wprowadzenie do danych kategorycznych
Niemal każdy zbiór danych zawiera informacje kategoryczne – i często stanowią one niewykorzystane źródło cennych spostrzeżeń. W tym rozdziale dowiesz się, jak pandas obsługuje kolumny kategoryczne przy użyciu typu danych category. Poznasz też sposoby grupowania danych według kategorii, by wydobyć użyteczne statystyki podsumowujące.
- Wprowadzenie do kursu50 XP
- Dane kategoryczne a numeryczne100 XP
- Eksploracja zmiennej docelowej100 XP
- Porządkowe zmienne kategoryczne100 XP
- Dane kategoryczne w pandas50 XP
- Ustawianie typów danych i oszczędzanie pamięci100 XP
- Tworzenie kategorycznej serii pandas100 XP
- Ustawianie dtype podczas wczytywania danych100 XP
- Grupowanie danych według kategorii w pandas50 XP
- Tworzenie wielu grup50 XP
- Tworzenie instrukcji .groupby()100 XP
- Efektywne korzystanie z funkcji pandas100 XP
2
Kategoryczna seria pandas
Czas nauczyć się, jak ustawiać, dodawać i usuwać kategorie z serii. Poznasz również sposoby aktualizowania, zmieniania nazw, łączenia i porządkowania kategorii, a następnie zastosujesz nowe umiejętności do czyszczenia danych i uzyskiwania do nich dostępu w ramach DataFrame.
3
Wizualizacja danych kategorycznych
W tym rozdziale skorzystasz z biblioteki seaborn, aby tworzyć przejrzyste wizualizacje danych kategorycznych – w tym wykresy kategoryczne (catplot), wykresy pudełkowe, słupkowe, punktowe i zliczające. Nauczysz się też wizualizować kolumny kategoryczne i dzielić dane według kategorii, aby przedstawiać statystyki podsumowujące dla kolumn numerycznych.
4
Pułapki i kodowanie
Na koniec dowiesz się, jak unikać typowych pułapek związanych z danymi kategorycznymi. Rozwiniesz też umiejętności kodowania danych – poznasz kodowanie etykietowe i kodowanie one-hot, które świetnie przygotują twoje dane do użycia w algorytmach uczenia maszynowego.
Praca z danymi kategorycznymi w Pythonie
Kurs
ukończony
