Trabalhando com dados categóricos em Python
"Aprenda a manipular e visualizar dados categóricos usando pandas e seaborn."
Comece O Curso Gratuitamente4 horas15 vídeos52 exercícios
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.Treinar 2 ou mais pessoas?Experimente o 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
Treinar 2 ou mais pessoas?
Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizadosNas seguintes faixas
- 1
Introdução aos dados categóricos
GratuitoQuase 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.
Introdução ao curso50 xpCategórico vs. numérico100 xpExploração de uma variável-alvo100 xpVariáveis categóricas ordinais100 xpDados categóricos no pandas50 xpConfiguração de tipos de dados e economia de memória100 xpCriando uma série categórica do pandas100 xpConfiguração do dtype ao ler dados100 xpAgrupamento de dados por categoria no pandas50 xpCriar muitos grupos50 xpConfigurando um comando .groupby()100 xpUso eficaz das funções pandas100 xp - 2
Série de pandas categóricos
Agora você aprenderá a definir, adicionar e remover categorias de uma série. Você também explorará como atualizar, renomear, recolher e reordenar categorias, antes de aplicar suas novas habilidades para limpar e acessar outros dados no DataFrame.
Definição de variáveis de categoria50 xpConfiguração de categorias100 xpAdicionar categorias100 xpRemoção de categorias100 xpAtualização de categorias50 xpVerificação de conhecimento de categorias de colapso50 xpRenomear categorias100 xpColapso de categorias100 xpReordenação de categorias50 xpReordenação de categorias em uma série100 xpUsando .groupby() após a reordenação100 xpLimpeza e acesso a dados50 xpVariáveis de limpeza100 xpAcesso e filtragem de dados100 xp - 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.
Introdução aos gráficos categóricos usando o Seaborn50 xpCompreensão do boxplot50 xpCriando um gráfico de caixa100 xpGráficos de barras de Seaborn50 xpCriando um gráfico de barras100 xpCategorias de pedidos100 xpGráfico de barras usando hue100 xpGráficos de pontos e de contagem50 xpCriando um gráfico de pontos100 xpCriando um gráfico de contagem100 xpRevisar os tipos de catplot()100 xpOpções adicionais de catplot()50 xpUma visualização por grupo100 xpAtualização de gráficos categóricos100 xp - 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.
Armadilhas categóricas50 xpVerificação de conhecimento do uso da memória50 xpSuperando as armadilhas: problemas com as cordas100 xpSuperando as armadilhas: usando matrizes NumPy100 xpCodificação de rótulos50 xpCriar uma codificação e um mapa de rótulos100 xpUsando mapeamentos salvos100 xpCriando uma codificação booleana100 xpCodificação de um ponto50 xpVerificação de conhecimento em um único momento50 xpColunas específicas de codificação de um ponto quente100 xpVídeo de encerramento50 xp
Para Empresas
Treinar 2 ou mais pessoas?
Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizadosNas seguintes faixas
colaboradores
pré-requisitos
Data Manipulation with pandasKasey Jones
Ver Mais
Research Data Scientist
O que os outros alunos têm a dizer?
Junte-se a mais de 14 milhões de alunos e comece Trabalhando com dados categóricos em Python hoje mesmo!
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.