Lære OrdinalEncoder | Forbehandling av Data med Scikit-learn

Sveip for å vise menyen

Det neste temaet er kategoriske data. Det finnes to hovedtyper av kategoriske variabler.

Ordinal data har en naturlig rekkefølge, mens nominal data ikke har det. På grunn av denne rekkefølgen kan kategorier kodes som tall i henhold til deres rangering.

For eksempel kan en 'rate'-kolonne med verdiene 'Terrible', 'Bad', 'OK', 'Good' og 'Great' kodes som:

'Terrible' → 0
'Bad' → 1
'OK' → 2
'Good' → 3
'Great' → 4

For å kode ordinal data brukes OrdinalEncoder. Den konverterer kategorier til heltall som starter fra 0.

OrdinalEncoder brukes på samme måte som andre transformatorer. Den største utfordringen er å angi argumentet categories korrekt.

For eksempel, vurder et datasett (ikke penguins-datasettet) som inneholder en 'education'-kolonne. Første steg er å sjekke unike verdier i denne kolonnen.


              12345
            
import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/adult_edu.csv')

print(df['education'].unique())

En ordnet liste over kategoriske verdier må opprettes, fra 'HS-grad' til 'Doctorate'.


              1234567891011121314
            
import pandas as pd
from sklearn.preprocessing import OrdinalEncoder

# Load the data and assign X, y variables
df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/adult_edu.csv')
y = df['income'] # 'income' is a target in this dataset
X = df.drop('income', axis=1)
# Create a list of categories so HS-grad is encoded as 0 and Doctorate as 6
edu_categories = ['HS-grad', 'Some-college', 'Assoc', 'Bachelors', 'Masters', 'Prof-school', 'Doctorate']
# Initialize an OrdinalEncoder instance with the correct categories
ord_enc = OrdinalEncoder(categories=[edu_categories])
# Transform the 'education' column and print it
X['education'] = ord_enc.fit_transform(X[['education']])
print(X['education'])

Når du transformerer flere funksjoner med OrdinalEncoder, må kategoriene for hver kolonne spesifiseres eksplisitt. Dette gjøres gjennom argumentet categories:

encoder = OrdinalEncoder(categories=[col1_categories, col2_categories, ...])

1. Hvilken påstand beskriver best bruken av `OrdinalEncoder` for håndtering av kategoriske data i et datasett?

2. Anta at du har en kategorisk kolonne kalt `'Color'`. Ville det vært hensiktsmessig å bruke `OrdinalEncoder` for å kode verdiene?

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 2. Kapittel 5

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

Seksjon 2. Kapittel 5

OrdinalEncoder

1. Hvilken påstand beskriver best bruken av OrdinalEncoder for håndtering av kategoriske data i et datasett?

2. Anta at du har en kategorisk kolonne kalt 'Color'. Ville det vært hensiktsmessig å bruke OrdinalEncoder for å kode verdiene?

1. Hvilken påstand beskriver best bruken av `OrdinalEncoder` for håndtering av kategoriske data i et datasett?

2. Anta at du har en kategorisk kolonne kalt `'Color'`. Ville det vært hensiktsmessig å bruke `OrdinalEncoder` for å kode verdiene?