Pulizia e accesso ai dati
Lavorare con i dati categorici in Python
Kasey Jones
Research Data Scientist
Possibili problemi con dati categorici
1) Valori incoerenti: "Ham", "ham", " Ham"
2) Valori con errore: "Ham", "Hma"
3) dtype errato: df['Our Column'].dtype
dtype('O')
Identificare i problemi
Usa uno di questi:
Series.cat.categoriesSeries.value_counts()
dogs["get_along_cats"].value_counts()
No 2503
yes 275
no 156
Noo 2
NO 1
Correzione: spazi bianchi
Rimozione spazi: .strip()
dogs["get_along_cats"] = dogs["get_along_cats"].str.strip()
Controlla le frequenze:
dogs["get_along_cats"].value_counts()
No 2503
yes 275
no 156
Noo 2
NO 1 # < ---- niente più spazi
Correzione: maiuscole/minuscole
Maiuscole/minuscole: .title(), .upper(), .lower()
dogs["get_along_cats"] = dogs["get_along_cats"].str.title()
Controlla le frequenze:
dogs["get_along_cats"].value_counts()
No 2660
Yes 275
Noo 2
Correzione: errori di ortografia
Correggere un refuso con .replace()
replace_map = {"Noo": "No"}
dogs["get_along_cats"].replace(replace_map, inplace=True)
Controlla le frequenze:
dogs["get_along_cats"].value_counts()
No 2662
Yes 275
Verificare il tipo di dato
Verifica del dtype
dogs["get_along_cats"].dtype
dtype('O')
Conversione a categoria
dogs["get_along_cats"] = dogs["get_along_cats"].astype("category")
Usare l'accessor str
Cercare una stringa
dogs["breed"].str.contains("Shepherd", regex=False)
0 False
1 False
2 False
...
2935 False
2936 True
Accesso ai dati con loc
Accedere ai valori di Series per categoria
dogs.loc[dogs["get_along_cats"] == "Yes", "size"]
Conteggi della Series:
dogs.loc[dogs["get_along_cats"] == "Yes", "size"].value_counts(sort=False)
small 69
medium 169
large 37
Esercizio: pulizia e accesso
Lavorare con i dati categorici in Python
