Introduction au cours

Travailler avec des données catégorielles en Python

Kasey Jones

Research Data Scientist

Que signifie « catégorielle » ?

Catégorielles

  • Nombre fini de groupes (ou catégories)
  • Catégories généralement fixes ou connues (couleur des yeux, des cheveux, etc.)
  • Appelées données qualitatives

Numériques

  • Appelées données quantitatives
  • Exprimées par une valeur numérique
  • Souvent une mesure (taille, poids, QI, etc.)
Travailler avec des données catégorielles en Python

Variables ordinales vs nominales

Ordinales

  • Variables catégorielles avec un ordre naturel

Les réponses aux sondages vont souvent de « tout à fait en désaccord » à « tout à fait d'accord ». Ces catégories ont un ordre logique.

Nominales

  • Variables catégorielles sans ordre naturel

Parfois, des catégories comme un choix de couleur (« Bleu », « Vert », « Rouge », « Jaune », « Violet ») n'ont pas d'ordre logique.

Travailler avec des données catégorielles en Python

Notre premier ensemble de données

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
Travailler avec des données catégorielles en Python

Utiliser describe

adult["Marital Status"].describe()

count                   32561
unique                      7
top        Married-civ-spouse
freq                    14976
Name: Marital Status, dtype: object
Travailler avec des données catégorielles en Python

Utiliser 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
Travailler avec des données catégorielles en Python

value_counts avec 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
Travailler avec des données catégorielles en Python

Vérification des connaissances

Travailler avec des données catégorielles en Python

Preparing Video For Download...