Bu kursları tamamladıktan sonra profesyonel görselleştirmeler ve panolar oluşturma konusunda kendime güveniyorum
Shoebur RahmanSatın Alma Uzmanı, Giz Bangladesh
Kurs Açıklaması
Bir kişinin kan grubu ya da medeni durumu gibi sayısal olmayan verileri anlamak, kullanmak ve özetlemek bir veri bilimcinin temel becerilerindendir. Bu derste, pandas ve seaborn kullanarak kategorik verileri nasıl işleyip görselleştireceğini öğreneceksin. Uygulamalı egzersizler boyunca pandas'ın kategorik veri türünü kavrayacak; kategorik sütunlar oluşturma, silme ve güncelleme adımlarını göreceksin. Ayrıca, sahiplenilebilir köpeklerin özellikleri, Las Vegas gezi yorumları ve nüfus sayımı verileri gibi çok çeşitli veri kümeleriyle çalışarak kategorik verilerle çalışma becerilerini geliştireceksin.
Ön Koşullar
Müfredat
Kurs planı
1
Kategorik Verilere Giriş
Neredeyse her veri kümesi kategorik bilgiler içerir — ve çoğu zaman bu kısım keşfedilmeyi bekleyen bir bilgi hazinesidir. Bu bölümde, pandas'ın kategori veri türünü kullanarak kategorik sütunları nasıl ele aldığını öğreneceksin. Ayrıca verileri kategorilere göre gruplandırarak güçlü özet istatistikleri nasıl ortaya çıkaracağını keşfedeceksin.
- Kursa giriş50 XP
- Kategorik vs. sayısal100 XP
- Hedef değişkenini keşfetme100 XP
- Sıralı kategorik değişkenler100 XP
- pandas'ta kategorik veriler50 XP
- dtype’ları ayarlama ve belleği koruma100 XP
- Kategorik bir pandas Series oluşturma100 XP
- Veri okunurken dtype ayarlama100 XP
- pandas'ta verileri kategoriye göre gruplama50 XP
- Bir sürü grup oluştur50 XP
- .groupby() ifadesi kurma100 XP
- pandas işlevlerini etkili kullanma100 XP
2
Kategorik pandas Series
Şimdi bir Series içindeki kategorileri nasıl ayarlayacağını, ekleyip kaldıracağını öğrenme zamanı. Kategorileri güncellemeyi, yeniden adlandırmayı, birleştirip daraltmayı ve yeniden sıralamayı keşfedecek, ardından yeni becerilerini kullanarak DataFrame'indeki diğer verileri temizleyip erişeceksin.
3
Kategorik Verileri Görselleştirme
Bu bölümde, seaborn Python kütüphanesini kullanarak kategorik verilerle bilgilendirici görselleştirmeler oluşturacaksın — kategorik grafikler (cat-plot), kutu grafikleri, çubuk grafikler, nokta ve sayım grafikleri dahil. Ardından kategorik sütunları nasıl görselleştireceğini ve sayısal sütunların özet istatistiklerini göstermek için verileri kategorik sütunlara göre nasıl böleceğini öğreneceksin.
4
Hatalı Yaklaşımlar ve Kodlama
Son olarak, kategorik verilerle çalışırken karşılaşılan yaygın tuzakların üstesinden nasıl geleceğini öğreneceksin. Ayrıca, Machine Learning algoritmalarında kullanıma hazırlık için ideal olan etiket kodlama (label encoding) ve tek-seçmeli (one-hot) kodlama yöntemleriyle veri kodlama becerilerini geliştireceksin.
Python'da Kategorik Verilerle Çalışma
Kurs
Tamamlandı
