After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Khả năng hiểu, sử dụng và tóm tắt dữ liệu phi số — như nhóm máu hoặc tình trạng hôn nhân của một người — là một phần thiết yếu của công việc khoa học dữ liệu. Trong khóa học này, bạn sẽ học cách thao tác và trực quan hóa dữ liệu phân loại bằng pandas và seaborn. Thông qua các bài tập thực hành, bạn sẽ nắm vững kiểu dữ liệu phân loại của pandas, bao gồm cách tạo, xóa và cập nhật các cột phân loại. Bạn cũng sẽ làm việc với nhiều bộ dữ liệu như đặc điểm của chó có thể nhận nuôi, đánh giá chuyến đi Las Vegas và dữ liệu điều tra dân số để rèn luyện kỹ năng xử lý dữ liệu phân loại.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Giới thiệu về dữ liệu phân loại
Hầu như mọi bộ dữ liệu đều chứa thông tin phân loại — và thường là một mỏ vàng chưa được khai phá. Trong chương này, bạn sẽ học cách pandas xử lý các cột phân loại bằng kiểu dữ liệu category. Bạn cũng sẽ khám phá cách nhóm dữ liệu theo danh mục để tìm ra các thống kê tóm tắt hữu ích.
- Giới thiệu khóa học50 XP
- Phân loại so với số học100 XP
- Khám phá biến mục tiêu100 XP
- Biến phân loại có thứ bậc100 XP
- Dữ liệu phân loại trong pandas50 XP
- Thiết lập dtypes và tiết kiệm bộ nhớ100 XP
- Tạo một Series phân loại trong pandas100 XP
- Đặt dtype khi đọc dữ liệu100 XP
- Nhóm dữ liệu theo danh mục trong pandas50 XP
- Tạo thật nhiều nhóm50 XP
- .groupby(): Thiết lập câu lệnh100 XP
- Sử dụng hiệu quả các hàm của pandas100 XP
2
Series phân loại trong pandas
Giờ là lúc học cách đặt, thêm và xóa các danh mục khỏi một Series. Bạn cũng sẽ tìm hiểu cách cập nhật, đổi tên, gộp và sắp xếp lại các danh mục, trước khi áp dụng kỹ năng mới để làm sạch và truy cập dữ liệu khác trong DataFrame của bạn.
3
Trực quan hóa dữ liệu phân loại
Trong chương này, bạn sẽ dùng thư viện Python seaborn để tạo các biểu đồ trực quan giàu thông tin với dữ liệu phân loại — bao gồm biểu đồ phân loại (cat-plot), box plot, bar plot, point plot và count plot. Sau đó, bạn sẽ học cách trực quan hóa các cột phân loại và tách dữ liệu theo các cột phân loại để hiển thị thống kê tóm tắt của các cột số.
4
Cạm bẫy và mã hóa
Cuối cùng, bạn sẽ học cách vượt qua những cạm bẫy thường gặp khi dùng dữ liệu phân loại. Bạn cũng sẽ nâng cao kỹ năng mã hóa dữ liệu khi được giới thiệu về label encoding và one-hot encoding — rất hữu ích để chuẩn bị dữ liệu cho các thuật toán Machine Learning.
Làm việc với dữ liệu phân loại trong Python
Hoàn
thành khóa học
