6-7. categorial data handling(one hot encoding, get_dummies, data binning, pd.cut,

<div><br class="Apple-interchange-newline">weight_dict = {3:"M", 4:"L", 5:"XL"} # 이때 weight는 kg과 같은 구체적인 무게를 나타내는 것이 아니라, # 1등급 2등급 3등급 처럼 나눈 것이므로 오브젝트 데이터로 인식해야한다. edges["weight_sign"] = edges["weight"].map(weight_dict) edges</div>

weight_dict = {3:"M", 4:"L", 5:"XL"} # 이때 weight는 kg과 같은 구체적인 무게를 나타내는 것이 아니라, 

# 1등급 2등급 3등급 처럼 나눈 것이므로 오브젝트 데이터로 인식해야한다.

edges["weight_sign"] = edges["weight"].map(weight_dict) 

edges

Out[60]:

	source	target	weight	color	weight_sign
0	0	2	3	red	M
1	1	2	4	blue	L
2	2	3	5	blue	XL

In [48]:

# color라는 object데이터와 weight_sign이라는 object데이터가 자동으로 dummy화 된다

edges = pd.get_dummies(edges) 

edges

Out[48]:

	source	target	weight	color_blue	color_red	weight_sign_L	weight_sign_M	weight_sign_XL
0	0	2	3	0	1	0	1	0
1	1	2	4	1	0	1	0	0
2	2	3	5	1	0	0	0	1

regiment	company	name	preTestScore	postTestScore
0	Nighthawks	1st	Miller	4	25
1	Nighthawks	1st	Jacobson	24	94
2	Nighthawks	2nd	Ali	31	57
3	Nighthawks	2nd	Milner	2	62
4	Dragoons	1st	Cooze	3	70
5	Dragoons	1st	Jacon	4	25
6	Dragoons	2nd	Ryaner	24	94
7	Dragoons	2nd	Sone	31	57
8	Scouts	1st	Sloan	2	62
9	Scouts	1st	Piger	3	70
10	Scouts	2nd	Riani	2	62
11	Scouts	2nd	Ali	3	70

In [76]:

bins = [0, 25, 50, 75, 100] # Define bins as 0 to 25, 25 to 50, 50 to 75, 75 to 100

group_names = ['Low', 'Okay', 'Good', 'Great']

categories = pd.cut(df['postTestScore'], bins, labels=group_names)

categories

​

#카 테고리화된 정보를 다시 one hot incoding 시켜서 수치화시키면 완성

Out[76]:

0       Low
1     Great
2      Good
3      Good
4      Good
5       Low
6     Great
7      Good
8      Good
9      Good
10     Good
11     Good
Name: postTestScore, dtype: category
Categories (4, object): [Low < Okay < Good < Great]