Categorische kolommen encoden III: DictVectorizer

Oké, nog één laatste truc voordat je met pipelines aan de slag gaat. Het twee-stappenproces dat je net hebt gedaan — LabelEncoder gevolgd door OneHotEncoder — kun je vereenvoudigen met een DictVectorizer.

Door een DictVectorizer te gebruiken op een DataFrame dat is omgezet naar een dictionary, krijg je zowel label-encoding als one-hot-encoding in één keer.

In deze oefening ga je deze aanpak stap voor stap toepassen!

Deze oefening maakt deel uit van de cursus

Extreme Gradient Boosting met XGBoost

Cursus bekijken

Oefeninstructies

Importeer DictVectorizer uit sklearn.feature_extraction.
Zet df om naar een dictionary met de naam df_dict met de methode .to_dict() en het argument "records".
Maak een DictVectorizer-object met de naam dv met het keywordargument sparse=False.
Pas de DictVectorizer toe op df_dict met de methode .fit_transform().
Klik op 'Antwoord verzenden' om de eerste vijf resulterende rijen en de woordenschat af te drukken.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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_)

Code bewerken en uitvoeren