Преобразование категориальных переменных
HR-аналитика: прогнозирование текучести кадров на Python
Hrant Davtyan
Assistant Professor of Data Science American University of Armenia
Типы категориальных переменных
- Порядковые — переменные с двумя и более категориями, которые можно упорядочить
- Наш пример: salary
- Значения: low, medium, high
- Номинальные — переменные с двумя и более категориями без внутреннего порядка
- Наш пример: department
- Значения: sales, accounting, hr, technical, support, management, IT, product_mng, marketing, RandD
Кодирование категорий (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
| Старые значения | Новые значения |
|---|---|
| low | 0 |
| medium | 1 |
| high | 2 |
Создание фиктивных переменных
# Get dummies and save them inside a new DataFrame
departments = pd.get_dummies(data.department)
Пример вывода:
IT RandD accounting hr management marketing product_mng sales support technical
0 0 0 0 0 0 0 0 0 0 1
Ловушка фиктивных переменных
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
Давайте потренируемся!
HR-аналитика: прогнозирование текучести кадров на Python
