Transformace kategorických proměnných
HR Analytics: Predicting Employee Churn in Python
Hrant Davtyan
Assistant Professor of Data Science American University of Armenia
Typy kategorických proměnných
- Ordinální – proměnné se dvěma nebo více kategoriemi, které lze seřadit
- Náš příklad: salary
- Hodnoty: low, medium, high
- Nominální – proměnné se dvěma nebo více kategoriemi bez přirozeného pořadí
- Náš příklad: department
- Hodnoty: sales, accounting, hr, technical, support, management, IT, product_mng, marketing, RandD
Kódování kategorií (salary)
# Change the type of the "salary" column to categorical
data.salary = data.salary.astype('category')
# Provide the correct order of categories
data.salary = data.salary.cat.reorder_categories(['low',
'medium',
'high'])
# Encode categories with integer values
data.salary = data.salary.cat.codes
| Původní hodnoty | Nové hodnoty |
|---|---|
| low | 0 |
| medium | 1 |
| high | 2 |
Vytváření dummy proměnných
# Get dummies and save them inside a new DataFrame
departments = pd.get_dummies(data.department)
Příklad výstupu:
IT RandD accounting hr management marketing product_mng sales support technical
0 0 0 0 0 0 0 0 0 0 1
Dummy trap
departments.head()
IT RandD accounting hr management marketing product_mng sales support technical
0 0 0 0 0 0 0 0 0 0 1
departments = departments.drop("technical", axis = 1)
departments.head()
IT RandD accounting hr management marketing product_mng sales support
0 0 0 0 0 0 0 0 0 0
Pojďme procvičovat!
HR Analytics: Predicting Employee Churn in Python
