Konvertieren Sie qualitative Variablen (Kategorievariablen) in One-Hot-Vektoren
Daten: Kaggles Titanic Daten
Umgebung: Kaggle-Notizbuch
onehot_encoding.py
#Modulimport, Betriebssystemvorbereitung
import numpy as np
import pandas as pd
import matplotlib as plt
import os
for dirname, _, filenames in os.walk('/kaggle/input'):
for filename in filenames:
print(os.path.join(dirname, filename))
Daten lesen
onehot_encoding.py
train_data=pd.read_csv('../input/titanic/train.csv')
test_data=pd.read_csv('../input/titanic/test.csv')
Schauen Sie sich die Daten an
onehot_encoding.py
train.data.head()
Sie können sehen, dass es mehrere Datenrahmen für kategoriale Variablen gibt. Ziel ist es, diese in One-Hot-Vektoren umzuwandeln.
Derzeit ist es schwierig, die Zeichenfolge so zu behandeln, wie sie ist. Weisen Sie daher jeder Kategorie unterschiedliche numerische Werte zu. Verwenden Sie Pandas 'factorize () `.
factorize ()
gibt sowohl numerische Daten (emb_cat_encoded) als auch eine Liste von Kategorien (emb_categories) zurück.
onehot_encoding.py
train_cat=train_data['Embarked']
train_cat_encoded,train_categories=train_cat.factorize()
#Schau mal
print(train_cat.head())
print(train_cat_encoded[:10])
print(train_categories)
Konvertieren Sie dann in einen One-Hot-Vektor
Verwenden Sie den von scikit-learn bereitgestellten OneHotEncoder.
onehot_encoding.py
#scikit-Importieren Sie OneHotEncoder aus learn
from sklearn.preprocessing import OneHotEncoder
#one-In heißen Vektor konvertieren
oe=OneHotEncoder(categories='auto')
train_cat_1hot=oe.fit_transform(train_cat_encoded.reshape(-1,1))
#Schau mal rein
train_cat_1hot
Konvertierung abgeschlossen.