Wprowadzenie do kursu

Praca z danymi kategorycznymi w Pythonie

Kasey Jones

Research Data Scientist

Co oznacza „kategoryczny"?

Kategoryczne

  • Skończona liczba grup (kategorii)
  • Kategorie są zazwyczaj ustalone lub znane (kolor oczu, kolor włosów itp.)
  • Znane jako dane jakościowe

Numeryczne

  • Znane jako dane ilościowe
  • Wyrażone wartością liczbową
  • Zazwyczaj są miarą (wzrost, waga, IQ itp.)
Praca z danymi kategorycznymi w Pythonie

Zmienne porządkowe a nominalne

Porządkowe

  • Zmienne kategoryczne z naturalnym porządkiem

Odpowiedzi w ankietach zwykle wahają się od „zdecydowanie nie zgadzam się" do „zdecydowanie zgadzam się". Te kategorie mają logiczną kolejność.

Nominalne

  • Zmienne kategoryczne bez naturalnego porządku

Niektóre kategorie, np. wybór koloru z listy ("Niebieski", "Zielony", "Czerwony", "Żółty", "Fioletowy"), nie mają logicznej kolejności.

Praca z danymi kategorycznymi w Pythonie

Pierwszy zbiór danych

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
Praca z danymi kategorycznymi w Pythonie

Użycie describe

adult["Marital Status"].describe()

count                   32561
unique                      7
top        Married-civ-spouse
freq                    14976
Name: Marital Status, dtype: object
Praca z danymi kategorycznymi w Pythonie

Użycie 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
Praca z danymi kategorycznymi w Pythonie

value_counts z parametrem 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
Praca z danymi kategorycznymi w Pythonie

Sprawdzenie wiedzy

Praca z danymi kategorycznymi w Pythonie

Preparing Video For Download...