Introduction au cours

Utilisation de données catégorielles dans Python

Kasey Jones

Research Data Scientist

Que veut dire « catégorielle » ?

Catégorielle

  • Nombre fini de groupes (catégories)
  • Catégories généralement fixes ou connues (couleur des yeux, des cheveux, etc.)
  • Aussi appelée données qualitatives

Numérique

  • Aussi appelée données quantitatives
  • Exprimée par une valeur numérique
  • Souvent une mesure (taille, poids, QI, etc.)
Utilisation de données catégorielles dans Python

Variables ordinales vs nominales

Ordinale

  • Variables catégorielles avec un ordre naturel

Les réponses d’enquête vont souvent de tout à fait en désaccord à tout à fait d’accord. Ces catégories ont un ordre logique.

Nominale

  • Variables catégorielles sans ordre naturel

Parfois, des catégories comme des couleurs (« Blue », « Green », « Red », « Yellow », « purple ») n’ont pas d’ordre logique.

Utilisation de données catégorielles dans Python

Notre premier jeu de données

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
Utilisation de données catégorielles dans Python

Utiliser describe

adult["Marital Status"].describe()

count                   32561
unique                      7
top        Married-civ-spouse
freq                    14976
Name: Marital Status, dtype: object
Utilisation de données catégorielles dans Python

Utiliser 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
Utilisation de données catégorielles dans Python

value_counts avec 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
Utilisation de données catégorielles dans Python

Vérification des connaissances

Utilisation de données catégorielles dans Python

Preparing Video For Download...