लेबल एन्कोडिंग

Python में Categorical Data के साथ काम करना

Kasey Jones

Research Data Scientist

लेबल एन्कोडिंग क्या है?

बेसिक्स:

हर श्रेणी को 0 से n - 1 तक एक integer कोड दें, जहाँ n श्रेणियों की संख्या है
किसी भी missing value के लिए -1 आरक्षित रहता है
मेमोरी बचा सकता है
सर्वे में अक्सर उपयोग होता है

कमज़ोरी:

मशीन लर्निंग के लिए यह सर्वोत्तम एन्कोडिंग नहीं है (अगले पाठ में देखें)

कोड बनाना

categorical में बदलें और manufacturer name से sort करें

used_cars['manufacturer_name'] = used_cars['manufacturer_name'].astype("category")

.cat.codes का उपयोग करें

used_cars['manufacturer_code'] = used_cars['manufacturer_name'].cat.codes

आउटपुट जाँचें

print(used_cars[['manufacturer_name', 'manufacturer_code']])

      manufacturer_name  manufacturer_code
0                Subaru                 45
1                Subaru                 45
2                Subaru                 45
...                 ...                ...
38526          Chrysler                  8
38527          Chrysler                  8

कोड बुक्स / डेटा डिक्शनरीज़

American Housing Survey की एक उदाहरण code book.

¹ https://www.census.gov/data-tools/demo/codebook/ahs/ahsdict.html

कोड बुक बनाना

codes = used_cars['manufacturer_name'].cat.codes
categories = used_cars['manufacturer_name']

name_map = dict(zip(codes, categories))

print(name_map)

{45: 'Subaru',
 24: 'LADA',
 12: 'Dodge',
 ...
}

कोड बुक का उपयोग

कोड बनाना:

used_cars['manufacturer_code'] = used_cars['manufacturer_name'].cat.codes

पुराने मानों पर लौटना:

used_cars['manufacturer_code'].map(name_map)

0        Acura
1        Acura
2        Acura
...

¹ https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.map.html

बूलियन कोडिंग

सभी body types ढूँढें जिनमें "van" आता है:

# पिछले पाठ का कोड:
used_cars["body_type"].str.contains("van", regex=False)

एक boolean कोडिंग बनाएँ:

used_cars["van_code"] = np.where(
  used_cars["body_type"].str.contains("van", regex=False), 1, 0)

used_cars["van_code"].value_counts()

0    34115
1     4416
Name: van_code, dtype: int64

एन्कोडिंग अभ्यास

Python में Categorical Data के साथ काम करना