E\u00e9n manier om dit te doen is door label encoding<\/strong> te gebruiken, waarbij<\/span> aan elke categorische waarde een geheel getal wordt toegewezen op basis van alfabetische volgorde.<\/span><\/p>\n De volgende schermafbeelding laat bijvoorbeeld zien hoe u elke unieke waarde van een categorische variabele met de naam Team<\/strong> kunt converteren naar een geheel getal op basis van alfabetische volgorde:<\/span> <\/p>\n U kunt de volgende syntaxis gebruiken om labelcodering uit te voeren in Python:<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat we de volgende panda’s DataFrame hebben:<\/span><\/span><\/p>\n We kunnen de volgende code gebruiken om labelcodering uit te voeren om elke categorische waarde in de teamkolom<\/strong> om te zetten in een geheel getal:<\/span><\/span><\/p>\n Uit het resultaat kunnen we zien:<\/span><\/p>\n Merk op dat u ook de functie inverse_transform()<\/strong> kunt gebruiken om de originele waarden van de teamkolom<\/strong> te verkrijgen:<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in Python kunt uitvoeren:<\/span><\/p>\n Hoe een categorische variabele naar numeriek te converteren in Pandas<\/a> Vaak willen we bij machinaal lerencategorische variabelen omzetten in een soort numeriek formaat dat gemakkelijk door algoritmen kan worden gebruikt. E\u00e9n manier om dit te doen is door label encoding te gebruiken, waarbij aan elke categorische waarde een geheel getal wordt toegewezen op basis van alfabetische volgorde. De volgende schermafbeelding laat bijvoorbeeld zien hoe u […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-3448","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/labelencode2-1.jpg\")
<\/p>\n from<\/span> sklearn. preprocessing<\/span> import<\/span> LabelEncoder\n\n#create instance of label encoder\n<\/span>lab = LabelEncoder()\n\n#perform label encoding on 'team' column\n<\/span>df[' my_column<\/span> '] = lab. fit_transform<\/span> (df[' my_column<\/span> '])\n<\/strong><\/pre>\n Voorbeeld: labels coderen in Python<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'B', 'B', 'B', 'B', 'C', 'C'],\n ' points<\/span> ': [25, 12, 15, 14, 19, 23, 25, 29]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points\n0 to 25\n1 to 12\n2 B 15\n3 B 14\n4 B 19\n5 B 23\n6 C 25\n7 C 29<\/strong><\/span><\/pre>\n from<\/span> sklearn. preprocessing<\/span> import<\/span> LabelEncoder\n\n#create instance of label encoder\n<\/span>lab = LabelEncoder()\n\n#perform label encoding on 'team' column\n<\/span>df[' team<\/span> '] = lab. fit_transform<\/span> (df[' team<\/span> '])\n\n#view updated DataFrame<\/span>\nprint<\/span> (df)\n\n team points\n0 0 25\n1 0 12\n2 1 15\n3 1 14\n4 1 19\n5 1 23\n6 2 25\n7 2 29\n<\/strong><\/pre>\n\n
#display original team labels\n<\/span>lab. inverse_transform<\/span> (df[' team<\/span> '])\n\narray(['A', 'A', 'B', 'B', 'B', 'B', 'C', 'C'], dtype=object)\n<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe Booleaanse waarden naar gehele waarden in Panda’s te converteren<\/a>
Hoe factorize() te gebruiken om strings als getallen in Pandas te coderen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"