Transformera kategoriska variabler
HR-analys: Förutsäg personalomsättning i Python
Hrant Davtyan
Assistant Professor of Data Science American University of Armenia
Typer av kategoriska variabler
- Ordinal – variabler med två eller fler kategorier som kan rangordnas
- Vårt exempel: salary
- Värden: low, medium, high
- Nominal – variabler med två eller fler kategorier som inte har en naturlig ordning
- Vårt exempel: department
- Värden: sales, accounting, hr, technical, support, management, IT, product_mng, marketing, RandD
Koda kategorier (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
| Gamla värden | Nya värden |
|---|---|
| low | 0 |
| medium | 1 |
| high | 2 |
Skapa dummyvariabler
# Get dummies and save them inside a new DataFrame
departments = pd.get_dummies(data.department)
Exempel på utdata:
IT RandD accounting hr management marketing product_mng sales support technical
0 0 0 0 0 0 0 0 0 0 1
Dummyfällan
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
Nu kör vi en övning!
HR-analys: Förutsäg personalomsättning i Python
