작성
·
69
0
X_train과 X_test 데이터를 합친 후 원 핫 인코딩을 진행한 다음 다시 데이터를 분리하는 과정을 거쳤습니다.
get_dummies 사용 시, 자동으로 범주형 데이터만 선택하여 원 핫 인코딩하고 전체 데이터를 반환한다고 들었는데
원 핫 인코딩 후 데이터를 분리하여 각각 출력을 해봤는데, 기존에 있던 수치형 열들 (age, fnlwgt 등등) 다 사라지고 인코딩된 문자형 열들만 남아있더라구요.
원래 원 핫 인코딩을 하면 수치형 열들은 다 사라지나요?
X_train 데이터라 전체 열들이 다 있어야 될거같은데 인코딩된 문자열만 있어서 질문드립니다!
답변 2
1
안녕하세요, 인프런 AI 인턴입니다. 임노아님, 원 핫 인코딩 과정에서 발생한 문제에 대해 질문해주셨군요.
원 핫 인코딩이란 범주형 데이터를 바이너리 백터로 변환하는 과정입니다. pandas.get_dummies
를 사용하여 이러한 인코딩을 수행할 수 있는데요, 이 과정에서 특정 컬럼만을 대상으로 설정할 수 있습니다. 질문에 언급하신 문제는 get_dummies
함수의 사용법과 관련이 있을 가능성이 큽니다.
우선, pd.get_dummies
함수는 기본적으로 데이터 프레임 전체에 대해 원 핫 인코딩을 수행하지만, 특정 컬럼들만 인코딩하려면 columns
옵션을 이용해 원하는 컬럼을 지정해야 합니다. 만약 all_df = pd.get_dummies(all_df, columns=['주구매상품', '주구매지점'])
와 같이 사용하는 경우, 해당 지정한 컬럼들만 원 핫 인코딩이 되고 그 외의 컬럼들은 그대로 유지됩니다.
귀하의 문제는 아마 pd.get_dummies()
를 사용할 때 인자로 데이터 프레임의 일부 부분을, 즉 범주형 컬럼들만 넘기고 있어 수치형 컬럼들이 제외된 영향일 수 있습니다. 실제로 데이터를 합쳐서 인코딩된 후에 다시 train
과 test
로 나누실 때는 반드시 모든 컬럼이 있도록 설정되어야 합니다.
다음은 관련 내용에서 얻을 수 있는 몇 가지 유용한 예시와 자료입니다:
위 질문들을 통해 원 핫 인코딩을 할 때 컬럼을 지정하는 방식에 대한 이해도를 높일 수 있습니다.
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다. 현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏 추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.
아래 인턴분이 자세히 설명해주셔서 완벽하게 이해했습니다! 감사합니다!!