Conteúdo do Curso

Pré-processamento de Dados

1. Breve Introdução

Tipos de Dados Métodos de Processamento de Dados Conjunto de Dados: Teste e Treinamento Excluindo um Dado "Extra"Alterando o Tipo de Dados

2. Processamento de Dados Quantitativos

Escalonamento de Dados Escalonamento de Dados vs Normalização de Dados Removendo Outliers Removendo Valores Ausentes Aumento de Dados: Dados Sintéticos

3. Processamento de Dados Categóricos

Métodos para Codificar os Dados Categóricos Codificação One-Hot Codificação Ordinal Codificação de Rótulos da Variável Alvo Desafio

4. Processamento de Dados de Séries Temporais

Conversão de Tipo de Dados Limpeza de Dados Estacionaridade Redução de Ruído Divisão Treino/Teste & Validação Cruzada Desafio

5. Engenharia de Recursos

Ideia de Técnica Realização Extração de Características de Texto Extração de Características de Imagens Extração de Características de Séries Temporais Desafio

6. Passando para as Tarefas

Desafio 1 Desafio 2 Desafio 3

Alterando o Tipo de Dados

Você já sabe como alterar o tipo de dado de string para número, por exemplo. Mas vamos examinar com mais atenção essa tarefa pequena, porém importante.

Vamos começar mudando o tipo de dado de string para datetime. Na maioria das vezes, você precisará disso para trabalhar com séries temporais. Você pode realizar essa operação utilizando o método .to_datetime():

Para converter uma string para um bool, use o método .map() na coluna cujos valores você deseja alterar:

Por exemplo, se você possui uma coluna de preços que apresenta valores como "$198,800" e deseja convertê-los em float, você deverá criar funções personalizadas de transformação:


              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)

Tarefa

Leia o conjunto de dados sales_data_types.csv e altere o tipo de dado na coluna Active de str para bool.

Tarefa

Leia o conjunto de dados sales_data_types.csv e altere o tipo de dado na coluna Active de str para bool.

Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo

Tudo estava claro?

Seção 1. Capítulo 5

Alterando o Tipo de Dados

Você já sabe como alterar o tipo de dado de string para número, por exemplo. Mas vamos examinar com mais atenção essa tarefa pequena, porém importante.

Para converter uma string para um bool, use o método .map() na coluna cujos valores você deseja alterar:

Por exemplo, se você possui uma coluna de preços que apresenta valores como "$198,800" e deseja convertê-los em float, você deverá criar funções personalizadas de transformação:


              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)

Tarefa

Leia o conjunto de dados sales_data_types.csv e altere o tipo de dado na coluna Active de str para bool.

Tarefa

Leia o conjunto de dados sales_data_types.csv e altere o tipo de dado na coluna Active de str para bool.

Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo

Tudo estava claro?

Seção 1. Capítulo 5

Alterando o Tipo de Dados

Você já sabe como alterar o tipo de dado de string para número, por exemplo. Mas vamos examinar com mais atenção essa tarefa pequena, porém importante.

Para converter uma string para um bool, use o método .map() na coluna cujos valores você deseja alterar:

Por exemplo, se você possui uma coluna de preços que apresenta valores como "$198,800" e deseja convertê-los em float, você deverá criar funções personalizadas de transformação:


              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)

Tarefa

Leia o conjunto de dados sales_data_types.csv e altere o tipo de dado na coluna Active de str para bool.

Tarefa

Leia o conjunto de dados sales_data_types.csv e altere o tipo de dado na coluna Active de str para bool.

Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo

Tudo estava claro?

Você já sabe como alterar o tipo de dado de string para número, por exemplo. Mas vamos examinar com mais atenção essa tarefa pequena, porém importante.

Para converter uma string para um bool, use o método .map() na coluna cujos valores você deseja alterar:

Por exemplo, se você possui uma coluna de preços que apresenta valores como "$198,800" e deseja convertê-los em float, você deverá criar funções personalizadas de transformação:


              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)

Tarefa

Leia o conjunto de dados sales_data_types.csv e altere o tipo de dado na coluna Active de str para bool.

Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo

Seção 1. Capítulo 5

Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo