Introducere în curs

Lucrul cu date categoriale în Python

Kasey Jones

Research Data Scientist

Ce înseamnă „categorial"?

Categorial

  • Număr finit de grupuri (sau categorii)
  • Categoriile sunt de obicei fixe sau cunoscute (culoarea ochilor, a părului etc.)
  • Cunoscut ca date calitative

Numeric

  • Cunoscut ca date cantitative
  • Exprimat printr-o valoare numerică
  • De obicei o măsurătoare (înălțime, greutate, IQ etc.)
Lucrul cu date categoriale în Python

Variabile ordinale vs. nominale

Ordinal

  • Variabile categoriale cu o ordine naturală

Răspunsurile la sondaje variază de obicei de la dezacord total la acord total. Aceste categorii au o ordine logică.

Nominal

  • Variabile categoriale fără o ordine naturală

Uneori categoriile, precum alegerea unei culori dintr-o listă ("Albastru", "Verde", "Roșu", "Galben", "Violet"), nu au o ordine logică.

Lucrul cu date categoriale în Python

Primul nostru set de date

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
Lucrul cu date categoriale în Python

Utilizarea describe

adult["Marital Status"].describe()

count                   32561
unique                      7
top        Married-civ-spouse
freq                    14976
Name: Marital Status, dtype: object
Lucrul cu date categoriale în Python

Utilizarea 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
Lucrul cu date categoriale în Python

Utilizarea value_counts cu 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
Lucrul cu date categoriale în Python

Verificarea cunoștințelor

Lucrul cu date categoriale în Python

Preparing Video For Download...