info()를 통해 전처리에 Dtype을 확인하고 mean()을 통해서는 컬럼에 NaN 값이 얼마만큼 존재하는지 확인할 수 있습니다
4-3. 라벨 인코딩(Label Encoding)
문자(Categorical)를 수치(Numerical)로 변환
# 평균 나이를 구해서 데이터를 삽입
df.loc[df["Age"].isnull(), "Age"] = df["Age"].mean()
또는
df["Age"] = df["Age"].fillna(df["Age"].mean())
# df["Age"].isnull() : 컬럼에 있는 null 값을 확인하는 코드
# fillna() : null 값을 다른 값으로 넣어주는 함수
# mean() : 해당 대상의 평균을 구해주는 함수
위의 mean() 으로 확인해 봤을때 독립변수 중 하나인 Age에 결측값이 있는것을 확인할 수 있습니다
따라서 NaN으로 구성되어있는 결측값에 Age의 평균값을 넣어 줍니다
# 남자는 1, 여자는 0 으로 라벨 인코딩
def convert_sex(data):
if data == 'male':
return 1
elif data == 'female':
return 0
df['Sex'] = df['Sex'].apply(convert_sex)
# apply() : 데이터 프레임에서 각 열과 행에 함수를 적용하고 값을 반환하는 함수
위의 info() 로 확인해 봤을때 독립변수 중 하나인 Sex는 object 형태로 구성되어 있는것을 확인할 수 있습니다
데이터 분석을 위한 학습은 object 형식을 수행하지 못하기 때문에 라벨인코딩을 통해 남자는 1, 여자는 0으로 바꿔줍니다
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
embarked = le.fit_transform(df['Embarked'])
embarked
# LabelEncoder() : value 값을 변경할때 키값의 알파벳 순서대로 0부터 지정하며 NaN 값은 가장 마지막에 지정
# fit_transform() : LabelEncoder()와 함께 사용하여 특정한 대상의 value 값을 변경
LabelEncoder() 함수를 import 해준 뒤 LabelEncoder() 와 fit_transform() 를 통해 value 값을 변경해줍니다
4-4. 원 핫 인코딩(One Hot Encoding)
독립적인 데이터는 별도의 컬럼으로 분리하고 각각 컬럼에 해당 값에만 1, 나머지는 0값으로 갖게 하는 방법
df['Embarked_num'] = LabelEncoder().fit_transform(df['Embarked'])
pd.get_dummies(df['Embarked']) # NaN 컬럼도 설정하고 싶으면 dummy_na=True 를 추가해 주면 됩니다
먼저 원 핫 인코딩을 진행하기 위해 LabelEncoder() 를 적용한 컬럼을 하나 만들어 줍니다
