Kategorik değişkenler

Python ile Veri Temizleme

Adel Nehme

Content Developer @DataCamp

Ne tür hatalar olabilir?

I) Değer tutarsızlığı

Tutarsız alanlar: 'married', 'Maried', 'UNMARRIED', 'not married'..
Sona ek boşluklar: 'married ', ' married '..

II) Çok kategoriyi azına daraltma

Yeni gruplar oluşturma: sürekli hane geliri verisinden 0-20K, 20-40K...
Grupları yenilerine eşleme: gelir kategorilerini 'rich', 'poor' olarak 2 gruba eşleme

III) Verinin türünün category olduğundan emin olun (Bölüm 1'de görüldü)

Değer tutarlılığı

Büyük/küçük harf: 'married', 'Married', 'UNMARRIED', 'unmarried'..

# marriage_status sütununu al
marriage_status = demographics['marriage_status']
marriage_status.value_counts()

unmarried    352
married      268
MARRIED      204
UNMARRIED    176
dtype: int64

Değer tutarlılığı

# DataFrame'de değer sayılarını al
marriage_status.groupby('marriage_status').count()

                 household_income  gender
marriage_status                          
MARRIED                       204     204
UNMARRIED                     176     176
married                       268     268
unmarried                     352     352

Değer tutarlılığı

# Büyük harfe çevir

marriage_status['marriage_status'] = marriage_status['marriage_status'].str.upper()
marriage_status['marriage_status'].value_counts()

UNMARRIED    528
MARRIED      472

# Küçük harfe çevir

marriage_status['marriage_status'] = marriage_status['marriage_status'].str.lower()
marriage_status['marriage_status'].value_counts()

unmarried    528
married      472

Değer tutarlılığı

Sonda/baştaki boşluklar: 'married ', 'married', 'unmarried', ' unmarried'..

# marriage_status sütununu al
marriage_status = demographics['marriage_status']
marriage_status.value_counts()

 unmarried   352
unmarried    268
married      204
married      176
dtype: int64

Değer tutarlılığı

# Tüm boşlukları temizle
demographics = demographics['marriage_status'].str.strip()
demographics['marriage_status'].value_counts()

unmarried    528
married      472

Veriyi kategorilere daraltma

Veriden kategori oluşturma: income sütunundan income_group.

# qcut() kullanımı
import pandas as pd
group_names = ['0-200K', '200K-500K', '500K+']
demographics['income_group'] = pd.qcut(demographics['household_income'], q = 3, 
                                       labels = group_names)
# income_group sütununu yazdır
demographics[['income_group', 'household_income']]

     category  household_income
0   200K-500K  189243
1       500K+  778533
..

Veriyi kategorilere daraltma

Veriden kategori oluşturma: income sütunundan income_group.

# cut() kullanımı - aralıklar ve adlar
ranges = [0,200000,500000,np.inf]
group_names = ['0-200K', '200K-500K', '500K+']
# income_group sütunu oluştur
demographics['income_group'] = pd.cut(demographics['household_income'], bins=ranges, 
                                      labels=group_names)
demographics[['income_group', 'household_income']]

     category  Income
0      0-200K  189243
1       500K+  778533

Veriyi kategorilere daraltma

Kategorileri daha azına eşleme: kategorik sütundaki sınıfları azaltma.

operating_system sütunu: 'Microsoft', 'MacOS', 'IOS', 'Android', 'Linux'

operating_system sütunu olmalı: 'DesktopOS', 'MobileOS'

# Eşleme sözlüğü oluştur ve değiştir
mapping = {'Microsoft':'DesktopOS', 'MacOS':'DesktopOS', 'Linux':'DesktopOS',
           'IOS':'MobileOS', 'Android':'MobileOS'}
devices['operating_system'] = devices['operating_system'].replace(mapping)
devices['operating_system'].unique()

array(['DesktopOS', 'MobileOS'], dtype=object)

Hadi pratik yapalım!

Python ile Veri Temizleme