89- كورس برمجة Machine Learning بلغة البايثون Python شرح – Categorical Data

مقدمة إلى البيانات الفئوية

البيانات الفئوية تُعتبر نوعًا من البيانات التي تُمثَّل عبر فئات أو مجموعات. بدلاً من أن تكون عددية بطبيعتها، فإن هذه البيانات تأخذ شكل مُسَمَّيات أو تصنيفات. في علم البيانات وتحليلها باستخدام بايثون، تُستخدم البيانات الفئوية بشكل شائع لتمثيل الخصائص التي لا يمكن التعبير عنها بشكل رقمي مباشر مثل الألوان أو الأسماء أو الأنواع. تُعد معالجة البيانات الفئوية أمرًا حيويًا لفهم الأنماط في البيانات وتحليلها بشكل دقيق. باستخدام مكتبات مثل Pandas، يمكن تحويل هذه البيانات إلى نوع “Category” لتحسين الأداء وتوفير الذاكرة، مما يسهل عملية التحليل الإحصائي ويُسرِّع عمليات الحوسبة.

معالجة البيانات الفئوية باستخدام Pandas

تُعد مكتبة Pandas أحد الأدوات الأساسية في بايثون لتحليل البيانات، وتوفر دعماً ممتازاً للبيانات الفئوية. يمكن تحويل عمود من البيانات النصية إلى نوع فئوي باستخدام الدالة astype. على سبيل المثال، إذا كان لدينا إطار بيانات يحتوي على عمود للألوان، يمكن تحويل هذا العمود إلى بيانات فئوية لتحسين كفاءة المعالجة. إليك مثال يوضح كيفية القيام بذلك:

import pandas as pd

# إنشاء إطار بيانات
data = {'Color': ['Red', 'Blue', 'Green', 'Blue', 'Red']}
df = pd.DataFrame(data)

# تحويل العمود إلى نوع فئوي
df['Color'] = df['Color'].astype('category')

# عرض المعلومات
print(df.info())

عند تحويل البيانات إلى النوع الفئوي، يتم تخصيص قيمة عددية داخلية لكل فئة، مما يعزز من كفاءة استخدام الذاكرة. كما يمكن استخدام الدوال المتاحة في Pandas لإجراء تحليلات إحصائية متقدمة على هذه البيانات، مثل حساب التكرارات أو إنشاء رسوم بيانية توضح توزيع الفئات.

تحليل البيانات الفئوية

بعد تحويل البيانات إلى النوع الفئوي، يمكن إجراء العديد من التحليلات لاستخراج الرؤى المفيدة. يُعتبر تحليل التكرار من أبسط التحليلات، حيث يمكن استخدام الدالة value_counts لحساب عدد مرات ظهور كل فئة. بالإضافة إلى ذلك، يمكن استخدام الرسوم البيانية مثل الرسوم الشريطية أو الدائرية لتصور توزيع الفئات. إليك مثال يوضح كيفية تنفيذ ذلك:

import matplotlib.pyplot as plt

# حساب التكرار لكل فئة
color_counts = df['Color'].value_counts()

# إنشاء رسم شريطي
color_counts.plot(kind='bar')
plt.title('Distribution of Colors')
plt.xlabel('Color')
plt.ylabel('Frequency')
plt.show()

باستخدام هذه الأدوات والتقنيات، يمكن للمحللين استخلاص رؤى قيمة من البيانات الفئوية، مما يساعد في اتخاذ القرارات المبنية على البيانات. تظل البيانات الفئوية جزءًا جوهريًا في العديد من مجالات التحليل كونها تُقدِّم بُعدًا نوعيًا مهمًا يكمّل البيانات العددية.