Кодування категоріальних стовпців III: DictVectorizer

Ще один фінальний прийом перед тим, як перейти до конвеєрів. Двокроковий процес, який ви щойно виконали — LabelEncoder, а потім OneHotEncoder — можна спростити за допомогою DictVectorizer.

Використання DictVectorizer для датафрейму, перетвореного на словник, дає змогу одночасно виконати й кодування міток, і one-hot кодування.

У цій вправі ваше завдання — реалізувати цей підхід!

Ця вправа є частиною курсу

Екстремальний градієнтний бустинг з XGBoost

Переглянути курс

Інструкції до вправи

Імпортуйте DictVectorizer із sklearn.feature_extraction.
Перетворіть df на словник df_dict, використавши метод .to_dict() з аргументом "records".
Створіть об'єкт DictVectorizer під назвою dv з іменованим аргументом sparse=False.
Застосуйте DictVectorizer до df_dict, виконавши метод .fit_transform().
Натисніть 'Submit Answer', щоб вивести перші п'ять рядків результату та словник ознак.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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_)

Редагувати та запускати код