Kategorik veriler için değerlendirmeler

Python ile Keşifsel Veri Analizi

George Boorman

Curriculum Manager, DataCamp

Neden EDA yapılır?

Desenleri ve ilişkileri bulma

Sorular veya hipotezler üretme

Makine öğrenmesi için veriyi hazırlama

Kırmızı neon ışıkta soru işareti

¹ Image credit: https://unsplash.com/@simonesecci

Temsili veri

Örneklem kitleyi temsil eder

Örneğin:

ABD'de eğitim ve gelir
- Fransa verisi kullanılamaz

ABD bayrağı

Fransa bayrağı

¹ Image credits: https://unsplash.com/@cristina_glebova; https://unsplash.com/@nimbus_vulpis

Kategorik sınıflar

Sınıflar = etiketler

Evlilik tutumlarını araştırma
- Medeni hâl
  - Bekar
  - Evli
  - Boşanmış

Sınıf dengesizliği

bir örnekte medeni hâl sayı grafiği: 700 boşanmış, 250 bekar, 50 evli

Sınıf sıklığı

print(planes["Destination"].value_counts())

Cochin       4391
Banglore     2773
Delhi        1219
New Delhi     888
Hyderabad     673
Kolkata       369
Name: Destination, dtype: int64

Göreli sınıf sıklığı

İç hat Hindistan uçuşlarının %40'ı Delhi varışlıdır

planes["Destination"].value_counts(normalize=True)

Cochin       0.425773
Banglore     0.268884
Delhi        0.118200
New Delhi    0.086105
Hyderabad    0.065257
Kolkata      0.035780
Name: Destination, dtype: float64

Örneklemimiz kitleyi (Hindistan iç hat uçuşları) temsil ediyor mu?

Çapraz tablo

pd-dot-crosstab çağırın

pd.crosstab(

Dizin seçin

Dizin olarak kullanılacak sütunu seçin

pd.crosstab(planes["Source"],

Sütunları seçin

Sütunu seçin

pd.crosstab(planes["Source"], planes["Destination"])

Çapraz tablo

Destination  Banglore  Cochin  Delhi  Hyderabad  Kolkata  New Delhi
Source                                                             
Banglore            0       0   1199          0        0        868
Chennai             0       0      0          0      364          0
Delhi               0    4318      0          0        0          0
Kolkata          2720       0      0          0        0          0
Mumbai              0       0      0        662        0          0

Çapraz tabloyu genişletme

`Source`	`Destination`	`Median Price (IDR)`
Banglore	Delhi	4232.21
Banglore	New Delhi	12114.56
Chennai	Kolkata	3859.76
Delhi	Cochin	9987.63
Kolkata	Banglore	9654.21
Mumbai	Hyderabad	3431.97

pd.crosstab() ile özet değerler

pd.crosstab(planes["Source"], planes["Destination"],

            values=planes["Price"], aggfunc="median")

Destination  Banglore   Cochin   Delhi  Hyderabad  Kolkata  New Delhi
Source                                                               
Banglore          NaN      NaN  4823.0        NaN      NaN    10976.5
Chennai           NaN      NaN     NaN        NaN   3850.0        NaN
Delhi             NaN  10262.0     NaN        NaN      NaN        NaN
Kolkata        9345.0      NaN     NaN        NaN      NaN        NaN
Mumbai            NaN      NaN     NaN     3342.0      NaN        NaN

Örneklem ile kitleyi karşılaştırma

`Source`	`Destination`	`Median Price (IDR)`	`Median Price (dataset)`
Banglore	Delhi	4232.21	4823.0
Banglore	New Delhi	12114.56	10976.50
Chennai	Kolkata	3859.76	3850.0
Delhi	Cochin	9987.63	10260.0
Kolkata	Banglore	9654.21	9345.0
Mumbai	Hyderabad	3431.97	3342.0

Hadi pratik yapalım!

Python ile Keşifsel Veri Analizi