Codificación de columnas categóricas III: DictVectorizer

Muy bien, un último truco antes de que te metas con los pipelines. El proceso en dos pasos que acabas de ver —LabelEncoder seguido de OneHotEncoder— se puede simplificar usando un DictVectorizer.

Usar un DictVectorizer sobre un DataFrame convertido a diccionario te permite hacer label encoding y one-hot encoding de una sola vez.

¡Tu tarea en este ejercicio es aplicar esta estrategia!

Este ejercicio forma parte del curso

Extreme Gradient Boosting con XGBoost

Ver curso

Instrucciones del ejercicio

Importa DictVectorizer de sklearn.feature_extraction.
Convierte df en un diccionario llamado df_dict usando su método .to_dict() con "records" como argumento.
Instancia un objeto DictVectorizer llamado dv con el argumento de palabra clave sparse=False.
Aplica el DictVectorizer a df_dict usando su método .fit_transform().
Pulsa "Enviar respuesta" para imprimir las cinco primeras filas resultantes y el vocabulario.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Import DictVectorizer
____

# Convert df into a dictionary: df_dict
df_dict = ____

# Create the DictVectorizer object: dv
dv = ____

# Apply dv on df: df_encoded
df_encoded = ____

# Print the resulting first five rows
print(df_encoded[:5,:])

# Print the vocabulary
print(dv.vocabulary_)

Editar y ejecutar código