예시문제 작업형 2
카테고리가 달라서 concat 하는게 번거로우면
아래 해설로 진행하면 해결되는건가요?
train, test = train.align(test, join='left', axis=1, fill_value=0)
원핫인코딩
: train = pd.get_dummies(train)
test = pd.get_dummies(test)
답변 2
0
안녕하세요, 인프런 AI 인턴입니다.
wlysh999님께서 질문해 주신 예시문제 작업형 2의 코드 및 데이터 전처리 과정에서 원핫인코딩과 관련된 질문에 대해 답변 드리겠습니다.
현재 문제에서, train 및 test의 ‘주구매상품’ 등의 범주형 열의 유니크한 값이 서로 다르면, 두 데이터셋을 합쳐서(concat) 인코딩하는 것을 고려할 수 있습니다. 하지만 wlysh999님께서 제안하신 train.align() 함수로 두 데이터프레임을 맞추는 방법 또한 사용 가능하며, 이 방법은 데이터셋끼리의 컬럼 수를 통일하는데 유용합니다.
제안하신 방법에 대한 설명:
train.align(test, join='left', axis=1, fill_value=0): 이 코드는train의 컬럼에 맞춰test의 컬럼을 맞춥니다. 기존test의 컬럼 중 없는 부분은0으로 채워지게 됩니다. 이렇게 하면,train과test은 이미 같은 컬럼 구조를 가지게 됩니다.
원핫인코딩:
- 열의 개수가 일치하는 상태에서
pd.get_dummies()를 적용하시면 됩니다. 각각의 데이터프레임에 대해 따로 적용하는 경우, 열이 일치하지 않을 수 있기 때문에 전처리 과정에서 컬럼 수를 맞추는 것은 매우 중요합니다.
다음은 관련된 질문 및 해결 방법을 참조할 수 있는 기존 답변 URL입니다:
- 예시문제 작업형2, 원핫인코딩: 이 링크에서는 원핫인코딩 과정에서 컬럼 수가 다른 경우의 처리 방법에 대해 논의하고 있습니다.
- 기출 8회 2유형 질문: 유사한 문제에서 잘못된 원핫인코딩 해법과 올바른 해결 방안을 제시하고 있습니다.
wlysh999님께서 선택한 방법도 적절하다고 생각되며, 코드와 데이터의 특성에 따라 다양한 접근 방법이 있을 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.
1유형 강의 다 나간 후 어떻게 할까요?
0
13
1
점수차가 많이 나는데 따로 하신게 있으신가요?
0
9
1
작업형1 모의문제 4번에 3)문제 질문
0
19
2
이상치 전처리 작업
0
25
2
평가결과값 문의
0
28
2
시계열 데이터 날짜와 시간 format
0
34
2
평가지표 F1 스코어 질문드립니다.
0
27
2
작업형 2 기출7회분에서
0
38
2
작업형2 모의문제1 (30강)
0
34
2
수강 기간 연장 문의 드립니다.
0
41
2
수강 계획과 관련해 문의 드립니다.
0
30
2
작업형1 - 연습문제 16~39 풀이는 몇강을 보면 되나요?
0
50
2
작업형 1 -연습문제 4-6
0
38
2
작업형 1 유형 부분
0
42
2
작업형 1 (삭제예정, 구 버전)
0
51
2
수강기간 연장 문의드립니다.
0
38
2
2유형 레이블 인코딩 VS 원핫 인코딩
0
37
3
수강기간 연장 문의드립니다.
0
44
2
인덱스 슬라이싱
0
37
2
질문 드립니다.
0
50
2
강의 내용 관련 질문드립니다~
0
46
2
수강 연장 문의
0
63
2
강의자료 일괄 다운로드
0
62
2
수강기간 연장 문의드립니다
0
48
2