Introducción al curso

Trabajar con datos categóricos en Python

Kasey Jones

Research Data Scientist

¿Qué significa "categóricas"?

Categóricas

  • Número finito de grupos (o categorías)
  • Categorías normalmente fijas o conocidas (color de ojos, pelo, etc.)
  • También llamadas datos cualitativos

Numéricas

  • También llamadas datos cuantitativos
  • Se expresan con un valor numérico
  • Suelen ser medidas (altura, peso, CI, etc.)
Trabajar con datos categóricos en Python

Variables ordinales vs nominales

Ordinales

  • Variables categóricas con un orden natural

Las respuestas de encuestas suelen ir de "totalmente en desacuerdo" a "totalmente de acuerdo". Estas categorías tienen un orden lógico.

Nominales

  • Variables categóricas sin un orden natural

A veces las categorías, como elegir un color de una lista ("Blue", "Green", "Red", "Yellow", "purple"), no tienen un orden lógico.

Trabajar con datos categóricos en Python

Nuestro primer dataset

adult.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 32561 entries, 0 to 32560
Data columns (total 15 columns):
 #   Column           Non-Null Count  Dtype 
 --  ------           --------------  ----- 
 0   Age              32561 non-null  int64 
 1   Workclass        32561 non-null  object
 2   fnlgwt           32561 non-null  int64 
 3   Education        32561 non-null  object
 4   Education Num    32561 non-null  int64 
 5   Marital Status   32561 non-null  object
...
1 https://www.kaggle.com/uciml/adult-census-income
Trabajar con datos categóricos en Python

Uso de describe

adult["Marital Status"].describe()

count                   32561
unique                      7
top        Married-civ-spouse
freq                    14976
Name: Marital Status, dtype: object
Trabajar con datos categóricos en Python

Uso de value_counts

adult["Marital Status"].value_counts()

 Married-civ-spouse       14976
 Never-married            10683
 Divorced                  4443
 Separated                 1025
 Widowed                    993
 Married-spouse-absent      418
 Married-AF-spouse           23
Name: Marital Status, dtype: int64
Trabajar con datos categóricos en Python

value_counts con normalize

adult["Marital Status"].value_counts(normalize=True)

 Married-civ-spouse       0.459937
 Never-married            0.328092
 Divorced                 0.136452
 Separated                0.031479
 Widowed                  0.030497
 Married-spouse-absent    0.012837
 Married-AF-spouse        0.000706
Name: Marital Status, dtype: float64
Trabajar con datos categóricos en Python

Comprobación de conocimiento

Trabajar con datos categóricos en Python

Preparing Video For Download...