探索分类数据

分类变量/数据（或名义变量）：

此类变量具有固定且有限数量的可能值。例如——等级、性别、血型等。此外，在分类变量的情况下，逻辑顺序与分类数据不同，例如“一”、“二”、“三”。但是这些变量的排序使用逻辑顺序。例如，性别是一个分类变量，有类别——男性和女性，类别没有内在顺序。纯分类变量是一种仅允许您分配类别，但您无法清楚地对变量进行排序的变量。

与变异性度量相关的术语：

• 模式：给定数据中最常出现的值
  例子-

  Data = ["Car", "Bat", "Bat", "Car", "Bat", "Bat", "Bat", "Bike"]
  Mode = "Bat"

• 期望值：在机器学习中工作时，类别必须与数值相关联，以便理解机器。这给出了基于类别发生概率的平均值，即预期值。
  它的计算方式是——

  -> Multiply each outcome by its probability of occurring.
  -> Sum these values

  因此，它是值的总和乘以它们的发生概率，通常用于总结因子变量水平。

  

• 条形图：每个类别的频率绘制为条形图。

  加载库 –

  import matplotlib.pyplot as plt
  import numpy as np
  

  数据 -

  label = ['Car', 'Bike', 'Truck', 'Cycle', 'Jeeps', 'Amulance']
  no_vehicle = [941, 854, 4595, 2125, 942, 509]
  

  索引数据 –

  index = np.arange(len(label))
    
  print ("Total Labels : ", len(label))
  print ("Indexing : ", index)
  

  输出：

  Total Labels :  6
  Indexing :  [0 1 2 3 4 5]

  条状图 -

  plt.bar(index, no_vehicle)
  plt.xlabel('Type', fontsize = 15)
  plt.ylabel('No of Vehicles', fontsize = 15)
  plt.xticks(index, label, fontsize = 10, rotation = 30)
  plt.title('Market Share for Each Genre 1995-2017')
    
  plt.show()
  

  输出：
  

• 饼图：每个类别的频率绘制为饼图或楔形图。它是一个圆形图，其中每个切片的弧长与其表示的数量成正比。

  plt.figure(figsize =(8, 8))
  plt.pie(no_vehicle, labels = label, 
          startangle = 90, autopct ='%.1f %%')
  plt.show()
  

  输出：