과정 소개

Python으로 범주형 데이터 다루기

Kasey Jones

Research Data Scientist

"범주형"의 의미는?

범주형

유한한 그룹(범주) 수
범주는 보통 고정/사전에 알려짐(눈 색, 머리 색 등)
질적 데이터라고도 함

수치형

양적 데이터라고도 함
숫자값으로 표현
보통 측정값(키, 몸무게, IQ 등)

서열형 vs. 명목형 변수

서열형(Ordinal)

자연스러운 순서가 있는 범주형 변수

설문 응답은 보통 '전혀 동의하지 않음'부터 '매우 동의'까지 범주에 순서가 있습니다.

명목형(Nominal)

자연스러운 순서를 매길 수 없는 범주형 변수

색상 선택(Blue, Green, Red, Yellow, purple)처럼 순서가 없는 범주도 있습니다.

첫 번째 데이터셋

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

describe 사용하기

adult["Marital Status"].describe()

count                   32561
unique                      7
top        Married-civ-spouse
freq                    14976
Name: Marital Status, dtype: object

value_counts 사용하기

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

normalize와 함께 value_counts 사용

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

지식 점검

Python으로 범주형 데이터 다루기