श्रेणीबद्ध डेटा के लिए विचार

Python में Exploratory Data Analysis

George Boorman

Curriculum Manager, DataCamp

EDA क्यों करें?

  • पैटर्न और संबंध पहचानना

 

 

  • सवाल या hypotheses बनाना

 

 

  • मशीन लर्निंग के लिए डेटा तैयार करना

लाल नीयन लाइट में प्रश्न चिह्न

1 Image credit: https://unsplash.com/@simonesecci
Python में Exploratory Data Analysis

प्रतिनिधि डेटा

  • सैंपल जनसंख्या का प्रतिनिधित्व करे

उदाहरण के लिए:

  • USA में शिक्षा बनाम आय
    • फ्रांस के डेटा का उपयोग नहीं कर सकते

USA का झंडा

France का झंडा

1 Image credits: https://unsplash.com/@cristina_glebova; https://unsplash.com/@nimbus_vulpis
Python में Exploratory Data Analysis

Categorical classes

  • Classes = लेबल

 

  • शादी के प्रति लोगों के रवैये का सर्वे करें
    • वैवाहिक स्थिति
      • Single
      • Married
      • Divorced
Python में Exploratory Data Analysis

Class imbalance

एक सैंपल में वैवाहिक स्थिति की गिनती दिखाता बार प्लॉट - 700 divorced, 250 single, और 50 married

Python में Exploratory Data Analysis

Class frequency

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

Cochin       4391
Banglore     2773
Delhi        1219
New Delhi     888
Hyderabad     673
Kolkata       369
Name: Destination, dtype: int64
Python में Exploratory Data Analysis

Relative class frequency

  • 40% घरेलू भारतीय उड़ानों का गंतव्य Delhi है
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
  • क्या हमारा सैंपल जनसंख्या (भारतीय घरेलू उड़ानें) का प्रतिनिधि है?
Python में Exploratory Data Analysis

Cross-tabulation

pd-dot-crosstab कॉल करें

pd.crosstab(
Python में Exploratory Data Analysis

इंडेक्स चुनें

इंडेक्स के रूप में इस्तेमाल होने वाला कॉलम चुनें

pd.crosstab(planes["Source"],
Python में Exploratory Data Analysis

कॉलम चुनें

कॉलम चुनें

pd.crosstab(planes["Source"], planes["Destination"])
Python में Exploratory Data Analysis

Cross-tabulation

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
Python में Exploratory Data Analysis

क्रॉस-टैब का विस्तार

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
Python में Exploratory Data Analysis

pd.crosstab() के साथ समेकित मान

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
Python में Exploratory Data Analysis

सैंपल बनाम जनसंख्या की तुलना

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
Python में Exploratory Data Analysis

अभ्यास करते हैं!

Python में Exploratory Data Analysis

Preparing Video For Download...