Trabajar con datos categóricos en Python
Aprende a manipular y visualizar datos categóricos usando pandas y seaborn.
Comienza El Curso Gratis4 horas15 vídeos52 ejercicios22.655 aprendicesDeclaración de cumplimiento
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.¿Entrenar a 2 o más personas?
Probar DataCamp for BusinessPreferido por estudiantes en miles de empresas
Descripción del curso
Ser capaz de comprender, utilizar y resumir datos no numéricos -como el grupo sanguíneo o el estado civil de una persona- es un componente vital para ser un científico de datos. En este curso, aprenderás a manipular y visualizar datos categóricos utilizando pandas y seaborn. Mediante ejercicios prácticos, te familiarizarás con el tipo de datos categórico de pandas, incluyendo cómo crear, eliminar y actualizar columnas categóricas. También trabajarás con una amplia gama de conjuntos de datos, como las características de los perros adoptables, las reseñas de viajes a Las Vegas y los datos del censo, para desarrollar tus habilidades en el trabajo con datos categóricos.
¿Entrenar a 2 o más personas?
Obtén a tu equipo acceso a la plataforma DataCamp completa, incluidas todas las funciones.En las siguientes pistas
- 1
Introducción a los datos categóricos
GratuitoCasi todos los conjuntos de datos contienen información categórica, y a menudo se trata de una mina de información inexplorada. En este capítulo, aprenderás cómo maneja pandas las columnas categóricas utilizando el tipo de datos categoría. También descubrirás cómo agrupar datos por categorías para desenterrar grandes estadísticas resumidas.
Introducción al curso50 xpCategórico vs. numérico100 xpExplorar una variable objetivo100 xpVariables categóricas ordinales100 xpDatos categóricos en pandas50 xpConfigurar dtypes y guardar memoria100 xpCrear una serie categórica de pandas100 xpEstablecer dtype al leer datos100 xpAgrupar datos por categorías en pandas50 xpCrea muchos grupos50 xpConfigurar una sentencia .groupby()100 xpUso eficaz de las funciones pandas100 xp - 2
Pandas categóricos Serie
Ahora es el momento de aprender a establecer, añadir y eliminar categorías de una Serie. También explorarás cómo actualizar, renombrar, contraer y reordenar categorías, antes de aplicar tus nuevas habilidades para limpiar y acceder a otros datos dentro de tu DataFrame.
Configurar variables de categoría50 xpEstablecer categorías100 xpAñadir categorías100 xpEliminar categorías100 xpActualizar categorías50 xpColapsar categorías Comprobación de conocimientos50 xpCambiar el nombre de las categorías100 xpColapsar categorías100 xpReordenar categorías50 xpReordenar categorías en una serie100 xpUtilizar .groupby() después de reordenar100 xpLimpieza y acceso a los datos50 xpVariables de limpieza100 xpAcceder y filtrar datos100 xp - 3
Visualizar datos categóricos
En este capítulo, utilizarás la biblioteca seaborn Python para crear visualizaciones informativas utilizando datos categóricos, incluyendo gráficos categóricos (cat-plot), gráficos de caja, gráficos de barras, gráficos de puntos y gráficos de recuento. A continuación, aprenderás a visualizar columnas categóricas y a dividir datos en columnas categóricas para visualizar estadísticas resumidas de columnas numéricas.
Introducción a los gráficos categóricos con Seaborn50 xpComprensión de Boxplot50 xpCrear un diagrama de cajas100 xpTramas de barras Seaborn50 xpCrear un diagrama de barras100 xpCategorías de pedidos100 xpDiagrama de barras utilizando el tono100 xpGráficos de puntos y de recuento50 xpCrear un gráfico de puntos100 xpCrear un gráfico de recuento100 xpRevisar los tipos de catplot()100 xpOpciones adicionales de catplot()50 xpUna visualización por grupo100 xpActualizar gráficos categóricos100 xp - 4
Trampas y codificación
Por último, aprenderás a superar los escollos habituales del uso de datos categóricos. También ampliarás tus conocimientos de codificación de datos, ya que se te presentarán la codificación de etiquetas y la codificación de un solo punto, perfectas para ayudarte a preparar tus datos para su uso en algoritmos de aprendizaje automático.
Escollos categóricos50 xpComprobación del conocimiento del uso de la memoria50 xpSuperar los escollos: problemas con las cuerdas100 xpSuperar los escollos: utilizar matrices NumPy100 xpCodificación de etiquetas50 xpCrear una codificación y un mapa de etiquetas100 xpUtilizar asignaciones guardadas100 xpCrear una codificación booleana100 xpCodificación en caliente50 xpComprobación de conocimientos de una sola vez50 xpCodificación en caliente de columnas específicas100 xpVídeo de recapitulación50 xp
¿Entrenar a 2 o más personas?
Obtén a tu equipo acceso a la plataforma DataCamp completa, incluidas todas las funciones.En las siguientes pistas
colaboradores
requisitos previos
Data Manipulation with pandasKasey Jones
Ver MásResearch Data Scientist
¿Qué tienen que decir otros alumnos?
¡Únete a 15 millones de estudiantes y empieza Trabajar con datos categóricos en Python hoy mismo!
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.