Contenido del Curso

Procesamiento Previo de Datos

1. Introducción Breve

Tipos de Datos Métodos de Procesamiento de Datos Conjunto de datos: Prueba y Entrenamiento Eliminando un Dato "Extra"Cambio del Tipo de Datos

2. Procesamiento de Datos Cuantitativos

Escalado de Datos Escalado de Datos vs Normalización de Datos Eliminación de Valores Atípicos Eliminando Valores Faltantes Aumento de Datos: Datos Sintéticos

3. Procesamiento de Datos Categóricos

Métodos para Codificar los Datos Categóricos Codificación One-Hot Codificación Ordinal Codificación de Etiquetas de la Variable Objetivo Reto

4. Procesamiento de Datos de Series Temporales

Conversión de Tipos de Datos Limpieza de Datos Estacionariedad Reducción de Ruido División de Entrenamiento/Prueba y Validación Cruzada Reto

5. Ingeniería de Características

Idea de Técnica Realización Extracción de Características de Texto Extracción de Características de Imágenes Extracción de Características de Series Temporales Desafío

6. Avanzando a Tareas

Desafío 1 Desafío 2 Desafío 3

Cambio del Tipo de Datos

Ya sabe cómo cambiar el tipo de datos de cadena a número, por ejemplo. Pero echemos un vistazo más de cerca a esta pequeña pero importante tarea.

Empecemos por cambiar el tipo de datos de cadena a datetime. La mayoría de las veces, lo necesitará para trabajar con series temporales. Puedes realizar esta operación utilizando el método .to_datetime():

Para convertir una cadena en un bool - utilice el método .map() en la columna cuyos valores desea cambiar:

Por ejemplo, si tiene una columna de precio que se parece a "$198,800" y quiere convertirla en un float - debe crear funciones de transformación personalizadas:


              12345678910111213
            
import pandas as pd
import re

# Create simple dataset
df = pd.DataFrame(data={'Price':['$4,122.94', '$1,002.3']})

# Create a custom function to transform data
# x - value from column
def price2int(x):
  return float(re.sub(r'[\$\,]', '', x))

# Use custom transformation on a column
df['Price'] = df['Price'].apply(price2int)

Tarea

Lea el conjunto de datos sales_data_types.csv y cambie el tipo de datos de la columna Active de str a bool.

Tarea

Lea el conjunto de datos sales_data_types.csv y cambie el tipo de datos de la columna Active de str a bool.

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones

¿Todo estuvo claro?

Sección 1. Capítulo 5

Cambio del Tipo de Datos

Ya sabe cómo cambiar el tipo de datos de cadena a número, por ejemplo. Pero echemos un vistazo más de cerca a esta pequeña pero importante tarea.

Para convertir una cadena en un bool - utilice el método .map() en la columna cuyos valores desea cambiar:

Por ejemplo, si tiene una columna de precio que se parece a "$198,800" y quiere convertirla en un float - debe crear funciones de transformación personalizadas:


              12345678910111213
            
import pandas as pd
import re

# Create simple dataset
df = pd.DataFrame(data={'Price':['$4,122.94', '$1,002.3']})

# Create a custom function to transform data
# x - value from column
def price2int(x):
  return float(re.sub(r'[\$\,]', '', x))

# Use custom transformation on a column
df['Price'] = df['Price'].apply(price2int)

Tarea

Lea el conjunto de datos sales_data_types.csv y cambie el tipo de datos de la columna Active de str a bool.

Tarea

Lea el conjunto de datos sales_data_types.csv y cambie el tipo de datos de la columna Active de str a bool.

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones

¿Todo estuvo claro?

Sección 1. Capítulo 5

Cambio del Tipo de Datos

Ya sabe cómo cambiar el tipo de datos de cadena a número, por ejemplo. Pero echemos un vistazo más de cerca a esta pequeña pero importante tarea.

Para convertir una cadena en un bool - utilice el método .map() en la columna cuyos valores desea cambiar:

Por ejemplo, si tiene una columna de precio que se parece a "$198,800" y quiere convertirla en un float - debe crear funciones de transformación personalizadas:


              12345678910111213
            
import pandas as pd
import re

# Create simple dataset
df = pd.DataFrame(data={'Price':['$4,122.94', '$1,002.3']})

# Create a custom function to transform data
# x - value from column
def price2int(x):
  return float(re.sub(r'[\$\,]', '', x))

# Use custom transformation on a column
df['Price'] = df['Price'].apply(price2int)

Tarea

Lea el conjunto de datos sales_data_types.csv y cambie el tipo de datos de la columna Active de str a bool.

Tarea

Lea el conjunto de datos sales_data_types.csv y cambie el tipo de datos de la columna Active de str a bool.

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones

¿Todo estuvo claro?

Ya sabe cómo cambiar el tipo de datos de cadena a número, por ejemplo. Pero echemos un vistazo más de cerca a esta pequeña pero importante tarea.

Para convertir una cadena en un bool - utilice el método .map() en la columna cuyos valores desea cambiar:

Por ejemplo, si tiene una columna de precio que se parece a "$198,800" y quiere convertirla en un float - debe crear funciones de transformación personalizadas:


              12345678910111213
            
import pandas as pd
import re

# Create simple dataset
df = pd.DataFrame(data={'Price':['$4,122.94', '$1,002.3']})

# Create a custom function to transform data
# x - value from column
def price2int(x):
  return float(re.sub(r'[\$\,]', '', x))

# Use custom transformation on a column
df['Price'] = df['Price'].apply(price2int)

Tarea

Lea el conjunto de datos sales_data_types.csv y cambie el tipo de datos de la columna Active de str a bool.

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones

Sección 1. Capítulo 5

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones