Кодирование категориальных переменных

В наборе данных о наблюдениях НЛО есть несколько столбцов, которые необходимо закодировать перед построением модели в scikit-learn. Здесь вы выполните это преобразование, используя бинарное кодирование и метод one-hot encoding.

Это упражнение является частью курса

Предобработка данных для машинного обучения на Python

Посмотреть курс

Инструкции к упражнению

С помощью apply() напишите условную lambda-функцию, которая возвращает 1, если значение равно "us", и 0 в противном случае.
Выведите количество уникальных значений .unique() в столбце type.
С помощью pd.get_dummies() создайте набор переменных с one-hot encoding для столбца type.
Наконец, используйте pd.concat(), чтобы присоединить закодированные переменные type_set к набору данных ufo.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Use pandas to encode us values as 1 and others as 0
ufo["country_enc"] = ufo["country"].____

# Print the number of unique type values
print(len(____.unique()))

# Create a one-hot encoded set of the type values
type_set = ____

# Concatenate this set back to the ufo DataFrame
ufo = pd.concat([____, ____], axis=1)

Редактировать и запускать код