What's the best way to approach a new dataset? Learn to validate and summarize categorical and numerical data and create Seaborn visualizations to communicate your findings.

Initial exploration

Functions for initial exploration

Counting categorical values

Global unemployment in 2021

Data validation

Detecting data types

Validating continents

Validating range

Data summarization

Summaries with .groupby() and .agg()

Named aggregations

Visualizing categorical summaries

Getting to Know a Dataset

Exploring and analyzing data often means dealing with missing values, incorrect data types, and outliers. In this chapter, you’ll learn techniques to handle these issues and streamline your EDA processes!

Ontbrekende data aanpakken

Omgaan met ontbrekende data

Strategieën voor resterende missende data

Missende vliegticketprijzen imputeren

Categorische gegevens omzetten en analyseren

Het aantal unieke waarden vinden

Categorieën voor vluchtduur

Categorieën voor duur toevoegen

Werken met numerieke gegevens

Vluchtduur

Beschrijvende statistieken toevoegen

Uitschieters verwerken

Opties

Uitschieter(s) verwijderen

Uitschieters in gegevensset laten staan

Wat te doen met uitschieters

Uitschieters identificeren

Uitschieters verwijderen

Data Cleaning and Imputation

Variables in datasets don't exist in a vacuum; they have relationships with each other. In this chapter, you'll look at relationships across numerical, categorical, and even DateTime data, exploring the direction and strength of these relationships as well as ways to visualize them.

Patterns over time

Importing DateTime data

Updating data type to DateTime

Visualizing relationships over time

Correlation

Interpreting a heatmap

Visualizing variable relationships

Visualizing multiple variable relationships

Factor relationships and distributions

Categorical data in scatter plots

Exploring with KDE plots

Relationships in Data

Exploratory data analysis is a crucial step in the data science workflow, but it isn't the end! Now it's time to learn techniques and considerations you can use to successfully move forward with your projects after you've finished exploring!

Considerations for categorical data

Checking for class imbalance

Cross-tabulation

Generating new features

Extracting features for correlation

Calculating salary percentiles

Categorizing salaries

Generating hypotheses

Comparing salaries

Choosing a hypothesis

Congratulations

Turning Exploratory Analysis into Action

unemployment.csv

data_science_salaries.csv

books.csv

divorce.csv

planes.csv

Course Glossary

Je hebt een interessante gegevensset — waar begin je met je analyse? In deze cursus doorloop je het proces van het verkennen en analyseren van data: van begrijpen wat er in een gegevensset zit tot het opnemen van je bevindingen in een data science-workflow. 

Met data over werkloosheidscijfers en vliegticketprijzen gebruik je Python om data samen te vatten en te valideren, ontbrekende waarden te berekenen, identificeren en vervangen, en zowel numerieke als categorische waarden op te schonen. Door de hele cursus maak je fraaie Seaborn-visualisaties om variabelen en hun onderlinge relaties te begrijpen. 

Tot slot zie je hoe verkennende bevindingen input geven aan data science-workflows door nieuwe features te maken, categorische features in balans te brengen en hypotheses uit je bevindingen af te leiden. 

Aan het einde van deze cursus kun je met vertrouwen je eigen exploratory data analysis (EDA) in Python uitvoeren. Je kunt je bevindingen visueel uitleggen aan anderen en de volgende stappen voorstellen om inzichten uit je data te halen!

De video's bevatten live-transcripts die je kunt openen door linksonder in de video op "Show transcript" te klikken.									
De woordenlijst van de cursus vind je rechts in de sectie met bronnen.
									
Om CPE-credits te verkrijgen, moet je de cursus afronden en een score van 70% halen op de gekwalificeerde toets. Je navigeert naar de toets door rechts op de CPE-credits-callout te klikken.

Introduction to Statistics in Python

Introduction to Data Visualization with Seaborn

Leer over verkennende data-analyse in Python met deze cursus. Gebruik echte data om inzichten te verkrijgen.

Exploratory Data Analysis in Python

Associate Data Scientist  in Python

Data-analist  in Python

Python-gegevensbasisprincipes

Een temperatuursensor registreert 100 graden Celsius, maar de sensor werkt alleen correct bij temperaturen tot 80 graden.

Een deelnemer aan een onderzoek heeft een leeftijd van min 35 jaar.

Een autosnelheid wordt geregistreerd als 5.000 km/u.

Landen hebben een gemiddelde totale oppervlakte van 667.143 km², maar één land is geregistreerd als 1.637.687 km².

De hoogtes van verschillende dieren zijn vastgelegd en één is meer dan 1,5 keer de IQR plus het 75e percentiel.

Een basketballer scoort gemiddeld 35 punten per wedstrijd, terwijl het gemiddelde in de competitie maar 10 punten per wedstrijd is.

Wat te doen met uitschieters

Exploratory Data Analysis in Python

Praktische interactieve oefening