Daten nach Kategorie in Pandas gruppieren

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Diese Übung ist Teil des Kurses

Arbeiten mit kategorialen Daten in Python

Mittlere SchwierigkeitSchwierigkeitsgrad

4.8+

2115 reviews

Kurs kostenlos starten

Fast jeder Datensatz enthält kategoriale Informationen - und oft sind sie eine unerforschte Goldgrube an Informationen. In diesem Kapitel lernst du, wie Pandas kategoriale Spalten mit dem Datentyp Kategorie behandelt. Du erfährst auch, wie du Daten nach Kategorien gruppieren kannst, um tolle zusammenfassende Statistiken zu erstellen.

Exercise 1: Kurseinführung Exercise 2: Kategorisch vs. numerisch Exercise 3: Eine Zielvariable erforschen Exercise 4: Ordinale kategoriale Variablen Exercise 5: Kategoriale Daten in Pandas Exercise 6: D-Typen einstellen und Speicher sichern Exercise 7: Erstellen einer kategorialen Pandas-Serie Exercise 8: dtype beim Lesen von Daten einstellen Exercise 9: Daten nach Kategorie in Pandas gruppieren

Aktuelle Übung

Exercise 10: Viele Gruppen erstellen Exercise 11: Einrichten einer .groupby()-Anweisung Exercise 12: Pandas-Funktionen effektiv nutzen

Jetzt ist es an der Zeit zu lernen, wie man Kategorien in einer Serie einrichtet, hinzufügt und entfernt. Du lernst außerdem, wie du Kategorien aktualisierst, umbenennst, ausblendest, zusammenfasst und neu anordnest, bevor du dein neues Wissen nutzt, um andere Daten in deinem DataFrame zu bereinigen und darauf zuzugreifen.

Exercise 1: Kategorievariablen setzen Exercise 2: Kategorien einstellen Exercise 3: Hinzufügen von Kategorien Exercise 4: Kategorien entfernen Exercise 5: Kategorien aktualisieren Exercise 6: Wissenstest: Kategorien zusammenfassen Exercise 7: Kategorien umbenennen Exercise 8: Zusammengefasste Kategorien Exercise 9: Kategorien neu sortieren Exercise 10: Neuordnung der Kategorien in einer Serie Exercise 11: .groupby() nach der Neuordnung verwenden Exercise 12: Bereinigung und Zugriff auf Daten Exercise 13: Variablen reinigen Exercise 14: Zugriff auf und Filtern von Daten

In diesem Kapitel verwendest du die Python-Bibliothek seaborn, um aussagekräftige Visualisierungen mit kategorialen Daten zu erstellen - darunter kategoriale Plots (cat-plot), Box-Plots, Bar-Plots, Point-Plots und Count-Plots. Dann lernst du, wie du kategorische Spalten visualisieren und Daten über kategorische Spalten aufteilen kannst, um zusammenfassende Statistiken numerischer Spalten zu visualisieren.

Exercise 1: Einführung in kategoriale Diagramme mit Seaborn Exercise 2: Boxplot-Verständnis Exercise 3: Erstellen eines Kastendiagramms Exercise 4: Seaborn Bar Plots Exercise 5: Erstellen eines Balkendiagramms Exercise 6: Kategorien bestellen Exercise 7: Balkendiagramm mit Farbton Exercise 8: Punkt- und Zählplots Exercise 9: Erstellen eines Punktdiagramms Exercise 10: Erstellen eines Zählplots Exercise 11: Überprüfung der catplot()-Typen Exercise 12: Zusätzliche catplot()-Optionen Exercise 13: Eine Visualisierung pro Gruppe Exercise 14: Aktualisieren von kategorischen Plots

Schließlich erfährst du, wie du die üblichen Fallstricke bei der Verwendung kategorischer Daten umgehen kannst. Du wirst auch deine Fähigkeiten zur Datenkodierung erweitern, indem du in die Labelkodierung und die One-Hot-Kodierung eingeführt wirst - perfekt, um deine Daten für die Verwendung in Algorithmen für maschinelles Lernen vorzubereiten.

Exercise 1: Kategorische Fallstricke Exercise 2: Wissensüberprüfung der Speichernutzung Exercise 3: Fallstricke überwinden: Schnurprobleme Exercise 4: Fallstricke überwinden: NumPy-Arrays verwenden Exercise 5: Kodierung der Etiketten Exercise 6: Erstellen einer Etikettenkodierung und einer Karte Exercise 7: Gespeicherte Zuordnungen verwenden Exercise 8: Erstellen einer booleschen Kodierung Exercise 9: One-Hot-Codierung Exercise 10: Ein heißer Wissenscheck Exercise 11: One-Hot-Codierung bestimmter Spalten Exercise 12: Zusammenfassung im Video