Как выполнить горячее кодирование в python

Горячее кодирование используется для преобразования категориальных переменных в формат, который может быть легко использован алгоритмами машинного обучения .

Основная идея горячего кодирования — создание новых переменных, которые принимают значения 0 и 1 для представления исходных категориальных значений.

Например, на следующем изображении показано, как мы можем выполнить горячее кодирование для преобразования категориальной переменной, содержащей названия команд, в новые переменные, содержащие только значения 0 и 1:

В следующем пошаговом примере показано, как выполнить горячее кодирование именно для этого набора данных в Python.

Шаг 1. Создайте данные

Сначала давайте создадим следующий DataFrame панд:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'B', 'B', 'B', 'B', 'C', 'C'],
                   ' points ': [25, 12, 15, 14, 19, 23, 25, 29]})

#view DataFrame
print (df)

  team points
0 to 25
1 to 12
2 B 15
3 B 14
4 B 19
5 B 23
6 C 25
7 C 29

Шаг 2. Выполните горячее кодирование

Далее давайте импортируем функцию OneHotEncoder() из библиотеки sklearn и используем ее для выполнения горячего кодирования переменной «team» в DataFrame pandas:

 from sklearn. preprocessing import OneHotEncoder

#creating instance of one-hot-encoder
encoder = OneHotEncoder(handle_unknown=' ignore ')

#perform one-hot encoding on 'team' column 
encoder_df = pd. DataFrame ( encoder.fit_transform (df[[' team ']]). toarray ())

#merge one-hot encoded columns back with original DataFrame
final_df = df. join (encoder_df)

#view final df
print (final_df)

  team points 0 1 2
0 to 25 1.0 0.0 0.0
1 to 12 1.0 0.0 0.0
2 B 15 0.0 1.0 0.0
3 B 14 0.0 1.0 0.0
4 B 19 0.0 1.0 0.0
5 B 23 0.0 1.0 0.0
6 C 25 0.0 0.0 1.0
7 C 29 0.0 0.0 1.0

Обратите внимание, что в DataFrame были добавлены три новых столбца, поскольку исходный столбец «команда» содержал три уникальных значения.

Примечание . Полную документацию по функции OneHotEncoder() можно найти здесь .

Шаг 3. Удалите исходную категориальную переменную.

Наконец, мы можем удалить исходную переменную «team» из DataFrame, поскольку она нам больше не нужна:

 #drop 'team' column
final_df. drop (' team ', axis= 1 , inplace= True )

#view final df
print (final_df)

   points 0 1 2
0 25 1.0 0.0 0.0
1 12 1.0 0.0 0.0
2 15 0.0 1.0 0.0
3 14 0.0 1.0 0.0
4 19 0.0 1.0 0.0
5 23 0.0 1.0 0.0
6 25 0.0 0.0 1.0
7 29 0.0 0.0 1.0

Связанный: Как удалить столбцы в Pandas (4 метода)

Мы также могли бы переименовать столбцы окончательного DataFrame, чтобы их было легче читать:

 #rename columns
final_df. columns = ['points', 'teamA', 'teamB', 'teamC']

#view final df
print (final_df)

   points teamA teamB teamC
0 25 1.0 0.0 0.0
1 12 1.0 0.0 0.0
2 15 0.0 1.0 0.0
3 14 0.0 1.0 0.0
4 19 0.0 1.0 0.0
5 23 0.0 1.0 0.0
6 25 0.0 0.0 1.0
7 29 0.0 0.0 1.0

Горячее кодирование завершено, и теперь мы можем вставить этот DataFrame pandas в любой алгоритм машинного обучения, который нам нужен.

Дополнительные ресурсы

Как вычислить усеченное среднее значение в Python
Как выполнить линейную регрессию в Python
Как выполнить логистическую регрессию в Python