Ordinalenkodare
Nästa fråga att hantera är kategoriska data. Det finns två huvudtyper av kategoriska variabler.
Ordinala data har en naturlig ordning, medan nominala data saknar detta. På grund av denna ordning kan kategorier kodas som siffror enligt deras rangordning.
Till exempel kan en 'rate'-kolumn med värdena 'Terrible', 'Bad', 'OK', 'Good' och 'Great' kodas som:
- 'Terrible' → 0
- 'Bad' → 1
- 'OK' → 2
- 'Good' → 3
- 'Great' → 4
För att koda ordinala data används OrdinalEncoder. Den omvandlar kategorier till heltal med start från 0.
OrdinalEncoder används på samma sätt som andra transformatorer. Den största utmaningen är att ange argumentet categories korrekt.
Till exempel, överväg en datamängd (inte penguins-datamängden) som innehåller en 'education'-kolumn. Första steget är att kontrollera dess unika värden.
12345import 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 ordnad lista över kategoriska värden måste skapas, från 'HS-grad' till 'Doctorate'.
1234567891011121314import 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'])
När flera funktioner transformeras med OrdinalEncoder måste kategorierna för varje kolumn anges explicit. Detta görs genom argumentet categories:
encoder = OrdinalEncoder(categories=[col1_categories, col2_categories, ...])
1. Vilket påstående beskriver bäst användningen av OrdinalEncoder för att hantera kategoriska data i en datamängd?
2. Antag att du har en kategorisk kolumn med namnet 'Color'. Är det lämpligt att använda OrdinalEncoder för att koda dess värden?
Tack för dina kommentarer!
Fråga AI
Fråga AI
Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal
Awesome!
Completion rate improved to 3.13Ordinalenkodare
Svep för att visa menyn
Nästa fråga att hantera är kategoriska data. Det finns två huvudtyper av kategoriska variabler.
Ordinala data har en naturlig ordning, medan nominala data saknar detta. På grund av denna ordning kan kategorier kodas som siffror enligt deras rangordning.
Till exempel kan en 'rate'-kolumn med värdena 'Terrible', 'Bad', 'OK', 'Good' och 'Great' kodas som:
- 'Terrible' → 0
- 'Bad' → 1
- 'OK' → 2
- 'Good' → 3
- 'Great' → 4
För att koda ordinala data används OrdinalEncoder. Den omvandlar kategorier till heltal med start från 0.
OrdinalEncoder används på samma sätt som andra transformatorer. Den största utmaningen är att ange argumentet categories korrekt.
Till exempel, överväg en datamängd (inte penguins-datamängden) som innehåller en 'education'-kolumn. Första steget är att kontrollera dess unika värden.
12345import 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 ordnad lista över kategoriska värden måste skapas, från 'HS-grad' till 'Doctorate'.
1234567891011121314import 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'])
När flera funktioner transformeras med OrdinalEncoder måste kategorierna för varje kolumn anges explicit. Detta görs genom argumentet categories:
encoder = OrdinalEncoder(categories=[col1_categories, col2_categories, ...])
1. Vilket påstående beskriver bäst användningen av OrdinalEncoder för att hantera kategoriska data i en datamängd?
2. Antag att du har en kategorisk kolumn med namnet 'Color'. Är det lämpligt att använda OrdinalEncoder för att koda dess värden?
Tack för dina kommentarer!
