Pular para o conteúdo principal
InícioPython

Trabalhando com dados categóricos em Python

"Aprenda a manipular e visualizar dados categóricos usando pandas e seaborn."

Comece O Curso Gratuitamente
4 horas15 vídeos52 exercícios22.026 aprendizesTrophyDeclaração de Realização

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.
Group

Treinar 2 ou mais pessoas?

Tentar DataCamp for Business

Amado por alunos de milhares de empresas


Descrição do Curso

Ser capaz de entender, usar e resumir dados não numéricos, como o tipo sanguíneo ou o estado civil de uma pessoa, é um componente vital para ser um cientista de dados. Neste curso, você aprenderá a manipular e visualizar dados categóricos usando pandas e seaborn. Por meio de exercícios práticos, você conhecerá o tipo de dados categóricos do pandas, inclusive como criar, excluir e atualizar colunas categóricas. Você também trabalhará com uma ampla variedade de conjuntos de dados, incluindo as características de cães adotáveis, avaliações de viagens a Las Vegas e dados de censo para desenvolver suas habilidades de trabalho com dados categóricos.
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.
DataCamp Para EmpresasPara uma solução sob medida , agende uma demonstração.

Nas seguintes faixas

Certificação disponível

Cientista de dados associado em Python

Ir para a trilha
  1. 1

    Introdução aos dados categóricos

    Gratuito

    Quase todo conjunto de dados contém informações categóricas e, muitas vezes, é uma mina de ouro inexplorada de informações. Neste capítulo, você aprenderá como o pandas lida com colunas categóricas usando o tipo de dados category. Você também descobrirá como agrupar dados por categorias para descobrir estatísticas resumidas excelentes.

    Reproduzir Capítulo Agora
    Introdução ao curso
    50 xp
    Categórico vs. numérico
    100 xp
    Exploração de uma variável-alvo
    100 xp
    Variáveis categóricas ordinais
    100 xp
    Dados categóricos no pandas
    50 xp
    Configuração de tipos de dados e economia de memória
    100 xp
    Criando uma série categórica do pandas
    100 xp
    Configuração do dtype ao ler dados
    100 xp
    Agrupamento de dados por categoria no pandas
    50 xp
    Criar muitos grupos
    50 xp
    Configurando um comando .groupby()
    100 xp
    Uso eficaz das funções pandas
    100 xp
  2. 3

    Visualização de dados categóricos

    Neste capítulo, você usará a biblioteca seaborn Python para criar visualizações informativas usando dados categóricos, incluindo gráficos categóricos (cat-plot), gráficos de caixa, gráficos de barras, gráficos de pontos e gráficos de contagem. Em seguida, você aprenderá a visualizar colunas categóricas e a dividir dados em colunas categóricas para visualizar estatísticas resumidas de colunas numéricas.

    Reproduzir Capítulo Agora
  3. 4

    Armadilhas e codificação

    Por fim, você aprenderá a superar as armadilhas comuns do uso de dados categóricos. Você também desenvolverá suas habilidades de codificação de dados à medida que for apresentado à codificação de rótulos e à codificação de um ponto - perfeitas para ajudá-lo a preparar seus dados para uso em algoritmos de machine learning.

    Reproduzir Capítulo Agora
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.

Nas seguintes faixas

Certificação disponível

Cientista de dados associado em Python

Ir para a trilha

conjuntos de dados

Adult Census IncomeAdoptable DogsTripadvisor ReviewsUsed Cars

colaboradores

Collaborator's avatar
Amy Peterson
Collaborator's avatar
Justin Saddlemyer
Kasey Jones HeadshotKasey Jones

Research Data Scientist

Ver Mais

O que os outros alunos têm a dizer?

Junte-se a mais de 15 milhões de alunos e comece Trabalhando com dados categóricos em Python hoje mesmo!

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.