'Kaggle 비망록' One-hot 벡터로 변환

목적

질적 변수(카테고리 변수)를 One-hot 벡터로 변환

사용 데이터 및 환경

데이터 : kaggle Titanic 데이터

환경: kaggle notebook

방법

onehot_encoding.py

#モジュールのインポート，osの準備
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))

데이터 로드

onehot_encoding.py

train_data=pd.read_csv('../input/titanic/train.csv')
test_data=pd.read_csv('../input/titanic/test.csv')

데이터를 살펴보기

onehot_encoding.py

train.data.head()

카테고리 변수의 데이터 프레임이 몇 가지 있음을 알 수 있습니다. 이것들을 One-hot 벡터로 변환하는 것을 목표로합니다.

첫째, 문자열을 그대로 사용하기가 어렵 기 때문에 각 카테고리에 다른 숫자를 할당합니다.
Pandas의 factorize()를 사용합니다.
factorize()는 숫자 데이터 (emb_cat_encoded)와 카테고리 목록 (emb_categories)을 모두 반환합니다.

onehot_encoding.py

train_cat=train_data['Embarked']
train_cat_encoded,train_categories=train_cat.factorize()

#見てみる
print(train_cat.head())
print(train_cat_encoded[:10])
print(train_categories)

그런 다음 one-hot 벡터로 변환

scikit-learn에서 제공하는 OneHotEncoder를 사용합니다.

onehot_encoding.py

#scikit-learnからOneHotEncoderをインポート
from sklearn.preprocessing import OneHotEncoder

#one-hotベクトルに変換
oe=OneHotEncoder(categories='auto')
train_cat_1hot=oe.fit_transform(train_cat_encoded.reshape(-1,1))

#中を見てみる
train_cat_1hot

변환 완료.