線上填報系統過去允許使用者自行輸入對問題的回答。這在分析可領養狗狗的資料集 dogs 時造成了問題。以下是 "sex" 欄位目前的次數分配表:
dogs
"sex"
male 1672 female 1249 MALE 10 FEMALE 5 Malez 1
現在系統只接受「female」與「male」兩種回覆,你希望這個變數能與更新後的系統一致。
本練習屬於課程
試著完成這個範例程式碼,體驗一下這個練習。
# Fix the misspelled word replace_map = ____
幾乎每個資料集都包含類別資訊,而且往往是尚未被挖掘的寶藏。本章你會學到 pandas 如何以 category 資料型別處理類別欄位。你也會發現如何依類別分組,找出有用的摘要統計。
現在要學習如何在 Series 中設定、加入與移除類別。你也會練習更新、重新命名、合併與重新排序類別,接著運用這些新技巧來清理並存取 DataFrame 中的其他資料。
當前練習
本章你會使用 Python 的 seaborn 函式庫,建立以類別資料為基礎的資訊型視覺化,包括類別圖(cat-plot)、盒狀圖、長條圖、點圖與計數圖。接著你會學到如何視覺化類別欄,並依類別欄分割資料,來呈現數值欄位的摘要統計。
最後,你會學到如何避開使用類別資料的常見陷阱。你也會精進資料編碼技巧,認識標籤編碼與 one-hot 編碼,協助你為機器學習演算法準備資料。