Очищення та доступ до даних
Робота з категоріальними даними в Python
Kasey Jones
Research Data Scientist
Можливі проблеми з категоріальними даними
1) Непослідовні значення: "Ham", "ham", " Ham"
2) Орфографічні помилки: "Ham", "Hma"
3) Хибний dtype: df['Our Column'].dtype
dtype('O')
Виявлення проблем
Використайте одне з цього:
Series.cat.categoriesSeries.value_counts()
dogs["get_along_cats"].value_counts()
No 2503
yes 275
no 156
Noo 2
NO 1
Виправлення: пропуски
Прибирання пропусків: .strip()
dogs["get_along_cats"] = dogs["get_along_cats"].str.strip()
Перевірте частоти:
dogs["get_along_cats"].value_counts()
No 2503
yes 275
no 156
Noo 2
NO 1 # < ---- більше немає пропусків
Виправлення: регістр
Регістр: .title(), .upper(), .lower()
dogs["get_along_cats"] = dogs["get_along_cats"].str.title()
Перевірте частоти:
dogs["get_along_cats"].value_counts()
No 2660
Yes 275
Noo 2
Виправлення: орфографічні помилки
Виправлення описки через .replace()
replace_map = {"Noo": "No"}
dogs["get_along_cats"].replace(replace_map, inplace=True)
Перевірте частоти:
dogs["get_along_cats"].value_counts()
No 2662
Yes 275
Перевірка типу даних
Перевірка dtype
dogs["get_along_cats"].dtype
dtype('O')
Повернення до категорійного типу
dogs["get_along_cats"] = dogs["get_along_cats"].astype("category")
Використання об'єкта-доступника str
Пошук рядка
dogs["breed"].str.contains("Shepherd", regex=False)
0 False
1 False
2 False
...
2935 False
2936 True
Доступ до даних за допомогою loc
Доступ до значень Series за категорією
dogs.loc[dogs["get_along_cats"] == "Yes", "size"]
Підрахунок значень Series:
dogs.loc[dogs["get_along_cats"] == "Yes", "size"].value_counts(sort=False)
small 69
medium 169
large 37
Практика: очищення та доступ
Робота з категоріальними даними в Python
