Przejdź do głównej treści

Strona główna Python

Kurs

Praca z danymi kategorycznymi w Pythonie

ŚredniozaawansowanyPoziom umiejętności

Zaktualizowano 07.2025

Naucz się manipulować i wizualizować dane kategoryczne za pomocą pandas i seaborn.

Zacznij kurs za darmo

PythonData Manipulation

4 godz.

15 filmów

52 Ćwiczenia

4,200 XP

35,027

Zaświadczenie o ukończeniu

Uwielbiany przez kursantów z tysięcy firm

Szkolisz zespół?

Wypróbuj dla firm

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

Data Manipulation with pandas

1

Introduction to Categorical Data

Almost every dataset contains categorical information—and often it’s an unexplored goldmine of information. In this chapter, you’ll learn how pandas handles categorical columns using the data type category. You’ll also discover how to group data by categories to unearth great summary statistics.

Course introduction

Categorical vs. numerical

Exploring a target variable

Ordinal categorical variables

Categorical data in pandas

Setting dtypes and saving memory

Creating a categorical pandas Series

Setting dtype when reading data

Grouping data by category in pandas

Create lots of groups

Setting up a .groupby() statement

Using pandas functions effectively

Zacznij rozdział

2

Categorical pandas Series

Now it’s time to learn how to set, add, and remove categories from a Series. You’ll also explore how to update, rename, collapse, and reorder categories, before applying your new skills to clean and access other data within your DataFrame.

Setting category variables

Setting categories

Adding categories

Removing categories

Updating categories

Collapsing categories knowledge check

Renaming categories

Collapsing categories

Reordering categories

Reordering categories in a Series

Using .groupby() after reordering

Cleaning and accessing data

Cleaning variables

Accessing and filtering data

Zacznij rozdział

3

Visualizing Categorical Data

In this chapter, you’ll use the seaborn Python library to create informative visualizations using categorical data—including categorical plots (cat-plot), box plots, bar plots, point plots, and count plots. You’ll then learn how to visualize categorical columns and split data across categorical columns to visualize summary statistics of numerical columns.

Introduction to categorical plots using Seaborn

Boxplot understanding

Creating a box plot

Seaborn bar plots

Creating a bar plot

Ordering categories

Bar plot using hue

Point and count plots

Creating a point plot

Creating a count plot

Review catplot() types

Additional catplot() options

One visualization per group

Updating categorical plots

Zacznij rozdział

4

Pitfalls and Encoding

Lastly, you’ll learn how to overcome the common pitfalls of using categorical data. You’ll also grow your data encoding skills as you are introduced to label encoding and one-hot encoding—perfect for helping you prepare your data for use in machine learning algorithms.

Categorical pitfalls

Memory usage knowledge check

Overcoming pitfalls: string issues

Overcoming pitfalls: using NumPy arrays

Label encoding

Create a label encoding and map

Using saved mappings

Creating a Boolean encoding

One-hot encoding

One-hot knowledge check

One-hot encoding specific columns

Wrap-up video

Zacznij rozdział

Praca z danymi kategorycznymi w Pythonie

Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Praca z danymi kategorycznymi w Pythonie już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.