Kurseinführung

Arbeiten mit kategorialen Daten in Python

Kasey Jones

Research Data Scientist

Was bedeutet „kategorial“?

Kategorial

  • Endliche Anzahl von Gruppen (Kategorien)
  • Kategorien meist fest oder bekannt (Augenfarbe, Haarfarbe usw.)
  • Auch qualitative Daten

Numerisch

  • Auch quantitative Daten
  • Als Zahl ausgedrückt
  • Meist eine Messung (Größe, Gewicht, IQ usw.)
Arbeiten mit kategorialen Daten in Python

Ordinale vs. nominale Variablen

Ordinal

  • Kategoriale Variablen mit natürlicher Reihenfolge

Antworten in Umfragen reichen oft von „stimme überhaupt nicht zu“ bis „stimme voll zu“. Diese Kategorien haben eine logische Reihenfolge.

Nominal

  • Kategoriale Variablen ohne natürliche Reihenfolge

Manche Kategorien, z. B. eine Farbauswahl („Blau“, „Grün“, „Rot“, „Gelb“, „Lila“), haben keine logische Reihenfolge.

Arbeiten mit kategorialen Daten in Python

Unser erstes 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
Arbeiten mit kategorialen Daten in Python

describe verwenden

adult["Marital Status"].describe()

count                   32561
unique                      7
top        Married-civ-spouse
freq                    14976
Name: Marital Status, dtype: object
Arbeiten mit kategorialen Daten in Python

value_counts verwenden

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
Arbeiten mit kategorialen Daten in Python

value_counts mit 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
Arbeiten mit kategorialen Daten in Python

Wissenscheck

Arbeiten mit kategorialen Daten in Python

Preparing Video For Download...