Kodning av kategoriska kolumner III: DictVectorizer

Nu ett sista tips innan du går vidare till pipelines. De två steg du nyss gick igenom – LabelEncoder följt av OneHotEncoder – kan förenklas med hjälp av en DictVectorizer.

Genom att använda en DictVectorizer på en DataFrame som konverterats till en ordlista får du både label-kodning och one-hot-kodning i ett enda steg.

Din uppgift är att arbeta igenom den här strategin i den här övningen!

Den här övningen är en del av kursen

Extreme Gradient Boosting med XGBoost

Visa kurs

Övningsinstruktioner

Importera DictVectorizer från sklearn.feature_extraction.
Konvertera df till en ordlista kallad df_dict med hjälp av dess .to_dict()-metod med "records" som argument.
Skapa en instans av ett DictVectorizer-objekt kallat dv med nyckelordsargumentet sparse=False.
Tillämpa DictVectorizer på df_dict med hjälp av dess .fit_transform()-metod.
Klicka på Skicka in svar för att skriva ut de fem första raderna i resultatet samt vokabulären.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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_)

Redigera och kör kod