Typy danych

Zrozumienie typów danych ma kluczowe znaczenie dla efektywnej pracy ze zbiorami danych. W tej lekcji omówimy trzy podstawowe typy danych: liczbowe, kategoryczne i szeregów czasowych.

Dane liczbowe

Dane liczbowe reprezentują liczby i mogą być:

• Dyskretne: Liczby całkowite, takie jak 1, 2, 3.
• Ciągłe: Liczby dziesiętne, takie jak 3.14, 7.89.

Przykłady: wiek, temperatura i dochód.

Dane kategorialne

Dane kategorialne reprezentują grupy lub kategorie. Mogą być:

• Nominalne: Kategorie bez określonej kolejności (np. kolory: czerwony, niebieski, zielony).
• Porządkowe: Kategorie o znaczącej kolejności (np. oceny: niska, średnia, wysoka).

Przykłady: płeć, typ produktu i poziom wykształcenia.

Dane szeregów czasowych

Dane szeregów czasowych składają się z wartości rejestrowanych w określonych odstępach czasu. Służą do śledzenia zmian lub trendów.

Przykłady:

• Ceny akcji rejestrowane codziennie.
• Temperatura mierzona co godzinę.
• Ruch na stronie internetowej monitorowany co tydzień.

Identyfikowanie typów danych w Pythonie

Za pomocą atrybutu dtypes w Pandas można określić typy danych kolumn w zbiorze danych.

Przykład:

import pandas as pd data = {'Age': [25, 30], 'Gender': ['Male', 'Female']} df = pd.DataFrame(data) print(df.dtypes)

Znaczenie typów danych

Znajomość typu danych pomaga:

• Wybrać odpowiednie techniki analizy.
• Dobrać właściwe wizualizacje.
• Zastosować odpowiednie metody wstępnego przetwarzania.

Konwersja typów danych

W języku Python typy danych można konwertować za pomocą funkcji takich jak:

• astype() w Pandas.
• int(), float(), str() dla pojedynczych wartości.

Przykład:

df['Age'] = df['Age'].astype(float)

Podsumowanie

W tej lekcji omówiono:

• Dane liczbowe: Wartości dyskretne i ciągłe.
• Dane kategorialne: Kategorie nominalne i porządkowe.
• Dane szeregów czasowych: Wartości rejestrowane w określonych przedziałach czasu.

Znajomość typów danych ma kluczowe znaczenie dla skutecznej analizy danych.

Gratulacje!

Ukończyli Państwo lekcję dotyczącą typów danych. Przejdź do następnej lekcji, aby dowiedzieć się, jak skutecznie obsługiwać brakujące dane.