Introduzione al corso

Lavorare con i dati categorici in Python

Kasey Jones

Research Data Scientist

Cosa significa "categorical"?

Categorical

  • Numero finito di gruppi (categorie)
  • Categorie di solito fisse o note (colore occhi, capelli, ecc.)
  • Note come dati qualitativi

Numerical

  • Noti come dati quantitativi
  • Espressi con un valore numerico
  • Di solito una misura (altezza, peso, QI, ecc.)
Lavorare con i dati categorici in Python

Variabili ordinali vs nominali

Ordinal

  • Variabili categoriche con un ordine naturale

Le risposte ai sondaggi vanno spesso da totalmente in disaccordo a totalmente d'accordo. Queste categorie hanno un ordine logico.

Nominal

  • Variabili categoriche senza un ordine naturale

A volte categorie, come scegliere un colore da un elenco ("Blue", "Green", "Red", "Yellow", "purple"), non hanno un ordine logico.

Lavorare con i dati categorici in Python

Primo 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
Lavorare con i dati categorici in Python

Uso di describe

adult["Marital Status"].describe()

count                   32561
unique                      7
top        Married-civ-spouse
freq                    14976
Name: Marital Status, dtype: object
Lavorare con i dati categorici in Python

Uso di 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
Lavorare con i dati categorici in 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
Lavorare con i dati categorici in Python

Verifica delle conoscenze

Lavorare con i dati categorici in Python

Preparing Video For Download...