Mengimput nilai kategorikal

Menangani Data Hilang di Python

Suraj Donthi

Deep Learning & Computer Vision Consultant

Kompleksitas pada nilai kategorikal

Sebagian besar nilai kategorikal berupa string
Tidak bisa melakukan operasi pada string
Perlu mengonversi/mengenkode string ke numerik lalu imput

Teknik konversi

One-hot encoder

Warna	Color_Red	Color_Green	Color_Blue
Red	1	0	0
Green	0	1	0
Blue	0	0	1
Red	1	0	0
Blue	0	0	1
Blue	0	0	1

Ordinal encoder

Warna	Nilai
Red	0
Green	1
Blue	2
Red	0
Blue	2
Blue	2

Teknik imputasi

Isi dengan kategori paling sering
Imput dengan model statistik seperti KNN

Data profil pengguna

users = pd.read_csv('userprofile.csv')
users.head()

    smoker    drink_level    dress_preference ambience    hijos        activity     budget
0    False    abstemious        informal      family    independent    student      medium
1    False    abstemious        informal      family    independent    student      low
2    False    social drinker    formal        family    independent    student      low
3    False    abstemious        informal      family    independent    professional medium
4    False    abstemious     no preference    family    independent    student      medium

Ordinal Encoding

from sklearn.preprocessing import OrdinalEncoder


# Buat Ordinal Encoder
ambience_ord_enc = OrdinalEncoder()

# Pilih nilai non-null pada ambience
ambience = users['ambience']
ambience_not_null = ambience[ambience.notnull()]
reshaped_vals = ambience_not_null.values.reshape(-1, 1)

# Enkode nilai non-null pada ambience
encoded_vals = ambience_ord_enc.fit_transform(reshaped_vals)

# Ganti kolom ambience dengan nilai ordinal
users.loc[ambience.notnull(), 'ambience'] = np.squeeze(encoded_vals)

Ordinal Encoding

# Buat kamus untuk Ordinal encoder
ordinal_enc_dict = {}

# Loop kolom untuk dienkode
for col_name in users:
    # Buat ordinal encoder untuk kolom
    ordinal_enc_dict[col_name] = OrdinalEncoder()
    col = users[col_name]

    # Pilih nilai non-null pada kolom
    col_not_null = col[col.notnull()]
    reshaped_vals = col_not_null.values.reshape(-1, 1)

    # Enkode nilai non-null pada kolom
    encoded_vals = ordinal_enc_dict[col_name].fit_transform(reshaped_vals)

    # Ganti nilai kolom dengan nilai ordinal
    users.loc[col.notnull(), col_name] = np.squeeze(encoded_vals)

Imputasi dengan KNN

users_KNN_imputed = users.copy(deep=True)


# Buat KNN imputer
KNN_imputer = KNN()


users_KNN_imputed.iloc[:, :] = np.round(KNN_imputer.fit_transform(users))


for col_name in users_KNN_imputed:
    # Bentuk ulang ke 2 dimensi
    # untuk hindari error saat menyimpan ke DataFrame
    reshaped = users_KNN_imputed[col_name].values.reshape(-1, 1)
    users_KNN_imputed[col_name] = \
    ordinal_enc_dict[col_name].inverse_transform(reshaped)

Ringkasan

Langkah mengimput nilai kategorikal

Ubah kolom kategorikal non-missing ke nilai ordinal
Imput nilai hilang pada DataFrame ordinal
Kembalikan dari nilai ordinal ke kategorikal

Ayo berlatih!

Menangani Data Hilang di Python