EmpezarEmpieza gratis

One-hot encoding de datos de transacciones

A lo largo del curso usaremos una misma canalización para preprocesar datos para su uso en el análisis de la cesta de la compra. El primer paso es importar un DataFrame de pandas y seleccionar la columna que contiene las transacciones. Cada transacción de la columna será una cadena que incluye varios artículos separados por comas. El siguiente paso es usar una función lambda para dividir cada cadena de transacción en una lista, transformando así la columna en una lista de listas.

En este ejercicio, empezarás con la lista de listas del conjunto de datos del supermercado, disponible como transactions. Luego transformarás transactions en un DataFrame con one-hot encoding, donde cada columna contiene valores TRUE y FALSE que indican si un artículo se incluyó en una transacción.

Este ejercicio forma parte del curso

Análisis de cesta de la compra en Python

Ver curso

Instrucciones del ejercicio

  • Desde mlxtend.preprocessing, importa TransactionEncoder.
  • Instancia un codificador de transacciones e identifica los artículos únicos en transactions.
  • Aplica one-hot encoding a transactions en un array y asigna sus valores a onehot.
  • Convierte el array en un DataFrame de pandas usando los nombres de los artículos como encabezados de columna.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Import the transaction encoder function from mlxtend
from ____.____ import ____
import pandas as pd

# Instantiate transaction encoder and identify unique items in transactions
encoder = TransactionEncoder().____(____)

# One-hot encode transactions
onehot = encoder.____(transactions)

# Convert one-hot encoded data to DataFrame
onehot = pd.DataFrame(____, columns = encoder.columns_)

# Print the one-hot encoded transaction dataset
print(onehot)
Editar y ejecutar código