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

Tipos de Dados

A principal ferramenta que usaremos para manipular dados é o pandas. Podemos começar imediatamente carregando os dados:


              12345
            
import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/9c23bf60-276c-4989-a9d7-3091716b4507/datasets/penguins.csv')

print(df.head())

Como você sabe, cada conjunto de dados pode conter muitos tipos de dados diferentes, por exemplo, numéricos (inteiros, números de ponto flutuante), cadeias de caracteres (str) e data/hora (datetime). Para descobrir que tipo de dado uma coluna possui, você pode usar a propriedade .dtypes:


              12345
            
import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/9c23bf60-276c-4989-a9d7-3091716b4507/datasets/penguins.csv')

print(df.dtypes)

Digamos que você tenha uma coluna com valores numéricos, mas em formato de string, e queira mudar o tipo de dado para numérico. Para fazer isso, utilize o método .astype():

Tarefa

Leia o conjunto de dados penguins.csv e altere o tipo de dado na coluna body_mass_g de float para int.

Não modifique o código inicial, apenas substitua os espaços ___ pelo código correto.

_{Depois de concluir essa tarefa, clique no botão abaixo do código para verificar sua solução.}

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

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 1. Capítulo 1

Tipos de Dados

A principal ferramenta que usaremos para manipular dados é o pandas. Podemos começar imediatamente carregando os dados:


              12345
            
import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/9c23bf60-276c-4989-a9d7-3091716b4507/datasets/penguins.csv')

print(df.head())


              12345
            
import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/9c23bf60-276c-4989-a9d7-3091716b4507/datasets/penguins.csv')

print(df.dtypes)

Digamos que você tenha uma coluna com valores numéricos, mas em formato de string, e queira mudar o tipo de dado para numérico. Para fazer isso, utilize o método .astype():

Tarefa

Leia o conjunto de dados penguins.csv e altere o tipo de dado na coluna body_mass_g de float para int.

Não modifique o código inicial, apenas substitua os espaços ___ pelo código correto.

_{Depois de concluir essa tarefa, clique no botão abaixo do código para verificar sua solução.}

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

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 1. Capítulo 1

Tipos de Dados

A principal ferramenta que usaremos para manipular dados é o pandas. Podemos começar imediatamente carregando os dados:


              12345
            
import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/9c23bf60-276c-4989-a9d7-3091716b4507/datasets/penguins.csv')

print(df.head())


              12345
            
import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/9c23bf60-276c-4989-a9d7-3091716b4507/datasets/penguins.csv')

print(df.dtypes)

Digamos que você tenha uma coluna com valores numéricos, mas em formato de string, e queira mudar o tipo de dado para numérico. Para fazer isso, utilize o método .astype():

Tarefa

Leia o conjunto de dados penguins.csv e altere o tipo de dado na coluna body_mass_g de float para int.

Não modifique o código inicial, apenas substitua os espaços ___ pelo código correto.

_{Depois de concluir essa tarefa, clique no botão abaixo do código para verificar sua solução.}

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

Tudo estava claro?

Obrigado pelo seu feedback!

A principal ferramenta que usaremos para manipular dados é o pandas. Podemos começar imediatamente carregando os dados:


              12345
            
import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/9c23bf60-276c-4989-a9d7-3091716b4507/datasets/penguins.csv')

print(df.head())


              12345
            
import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/9c23bf60-276c-4989-a9d7-3091716b4507/datasets/penguins.csv')

print(df.dtypes)

Digamos que você tenha uma coluna com valores numéricos, mas em formato de string, e queira mudar o tipo de dado para numérico. Para fazer isso, utilize o método .astype():

Tarefa

Leia o conjunto de dados penguins.csv e altere o tipo de dado na coluna body_mass_g de float para int.

Não modifique o código inicial, apenas substitua os espaços ___ pelo código correto.

_{Depois de concluir essa tarefa, clique no botão abaixo do código para verificar sua solução.}

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

Seção 1. Capítulo 1

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