Ловушка фиктивных переменных

Ловушка фиктивных переменных — это ситуация, когда разные фиктивные переменные несут одинаковую информацию. Например, если сотрудник работает в бухгалтерии (то есть значение в столбце accounting равно 1), то очевидно, что он не относится ни к одному другому отделу (все остальные значения равны 0). Таким образом, узнать отдел сотрудника можно и по остальным столбцам.

Именно поэтому при создании \(n\) фиктивных переменных (в нашем случае — 10) достаточно оставить лишь \(n\) - 1 (то есть 9): информация \(n\)-го столбца уже содержится в остальных.

Итак, вы удалите исходный столбец с отделами, уберёте одну из фиктивных переменных, чтобы избежать ловушки, а затем объедините два DataFrame.

Это упражнение является частью курса

HR-аналитика: прогнозирование текучести кадров на Python

Посмотреть курс

Инструкции к упражнению

Удалите столбец accounting с помощью .drop(), чтобы избежать ловушки фиктивных переменных.
Удалите старый столбец department с помощью .drop(), так как он больше не нужен.
Присоедините новый DataFrame departments к набору данных employee (это уже сделано за вас).

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Drop the "accounting" column to avoid "dummy trap"
departments = departments.____("____", axis=1)

# Drop the old column "department" as you don't need it anymore
data = data.____("____", axis=1)

# Join the new DataFrame "departments" to your employee dataset: done
data = data.join(departments)

Редактировать и запускать код