Przekształcanie zmiennych kategorycznych

HR Analytics: Przewidywanie rotacji pracowników w Pythonie

Hrant Davtyan

Assistant Professor of Data Science American University of Armenia

Typy zmiennych kategorycznych

Porządkowe – zmienne z dwiema lub więcej kategoriami, które można uszeregować
- Przykład: salary
- Wartości: low, medium, high
Nominalne – zmienne z dwiema lub więcej kategoriami bez naturalnego porządku
- Przykład: department
- Wartości: sales, accounting, hr, technical, support, management, IT, product_mng, marketing, RandD

Kodowanie kategorii (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

Old values	New values
low	0
medium	1
high	2

Tworzenie zmiennych dummy

# Get dummies and save them inside a new DataFrame
departments = pd.get_dummies(data.department)

Przykładowy wynik:

       IT  RandD  accounting  hr  management  marketing  product_mng  sales  support  technical
0       0      0           0   0           0          0            0      0        0          1

Pułapka zmiennych dummy

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

Czas na ćwiczenia!

HR Analytics: Przewidywanie rotacji pracowników w Pythonie