ПочатиПочніть безкоштовно

One-hot кодування даних транзакцій

Упродовж курсу ми використовуватимемо спільний конвеєр для попередньої обробки даних для Market Basket Analysis. Перший крок — імпортувати pandas DataFrame і вибрати стовпець, що містить транзакції. Кожна транзакція в цьому стовпці — це рядок із переліком товарів, розділених комами. Далі потрібно використати функцію lambda, щоб розбити кожен рядок транзакції на список, перетворивши стовпець на список списків.

У цій вправі ви почнете зі списку списків із набору даних продуктової крамниці, який доступний як transactions. Потім ви перетворите transactions на one-hot закодований DataFrame, де кожен стовпець містить значення TRUE та FALSE, що вказують, чи був товар включений до транзакції.

Ця вправа є частиною курсу

Маркет-баcкет аналіз у Python

Переглянути курс

Інструкції до вправи

  • Із mlxtend.preprocessing імпортуйте TransactionEncoder.
  • Створіть екземпляр енкодера транзакцій і визначте унікальні товари в transactions.
  • Виконайте one-hot кодування transactions в масив і присвойте його значення змінній onehot.
  • Перетворіть масив на pandas DataFrame, використавши назви товарів як заголовки стовпців.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import the transaction encoder function from mlxtend
from ____.____ import ____
import pandas as pd

# Instantiate transaction encoder and identify unique items in transactions
encoder = TransactionEncoder().____(____)

# One-hot encode transactions
onehot = encoder.____(transactions)

# Convert one-hot encoded data to DataFrame
onehot = pd.DataFrame(____, columns = encoder.columns_)

# Print the one-hot encoded transaction dataset
print(onehot)
Редагувати та запускати код