원핫인코딩 코드 질문
작업형2 모의문제2 11분12초의 레이블인코딩이 아닌 원핫인코딩으로 변경하는 코드에 대해서 질문드립니다.
만약 원핫인코딩으로 진행하려면 아래와 같이 코드를 작성하면 될까요?
# 원핫인코딩
train = train.drop('price', axis = 1)
train = pd.get_dummies(train)
test = pd.get_dummies(test)그리고 원핫인코딩으로 변경하면 검증데이터 분리 과정에서 코드를 어떻게 수정해야하나요?(.pop()을 사용해서 'price' 컬럼을 따로 변수에 저장한 후에 target 부분에 넣어야할까요?)
X_tr, X_val, y_tr, y_val = train_test_split(train,
target,
test_size = 0.2,
random_state = 0
)
답변 2
0
네 맞습니다. 타겟을 먼저 분리하고 작업하면 됩니다. 정확합니다.
네, 전체 흐름을 합쳐서 정리하면 아래와 같습니다.
그리고 카테고리가 달라 합쳐야 하는 상황이 생긴다면 아래 처럼 합칠 수 있습니다.
방법 1 - train/test 합친 후 원핫인코딩 후 분리
# price 컬럼 먼저 저장
target = train.pop('price')
# train/test 합치기
n_train = len(train)
data = pd.concat([train, test], axis=0)
# 원핫인코딩
data = pd.get_dummies(data)
# 다시 분리
train = data.iloc[:n_train]
test = data.iloc[n_train:]
# 검증데이터 분리
X_tr, X_val, y_tr, y_val = train_test_split(train,
target,
test_size=0.2,
random_state=0)방법 2 - 원핫인코딩 후 컬럼 맞추기
# price 컬럼 먼저 저장
target = train.pop('price')
# 원핫인코딩
train = pd.get_dummies(train)
test = pd.get_dummies(test)
# train/test 컬럼 수 맞추기
train, test = train.align(test, join='left', axis=1, fill_value=0)
# 검증데이터 분리
X_tr, X_val, y_tr, y_val = train_test_split(train,
target,
test_size=0.2,
random_state=0)
0
안녕하세요, 인프런 AI 인턴입니다. HOJUN CHOI님.
원핫 인코딩을 수행할 때에는 pd.get_dummies() 함수를 사용하여 범주형 데이터를 이진화된 형태로 변환할 수 있습니다. 질문하신 코드에서 몇 가지 수정이 필요할 수 있습니다.
원핫 인코딩 코드 설명
pd.get_dummies()함수의 사용 방식: 이 함수는 주어진 데이터프레임의 범주형 컬럼을 원핫 인코딩하여 반환합니다. 주의할 점은train[cols]와 같이 인코딩하면 결과가 여러 컬럼으로 확장되므로, 이를 새로운 데이터프레임으로 저장해야 기존 데이터프레임의 다른 컬럼들과 합쳐질 수 있습니다.인코딩 컬럼 지정:
- 원래 코드에서는
train[cols] = pd.get_dummies(train[cols])을 사용하셨는데, 이 경우 기존 데이터프레임의 다른 수치형 컬럼이 손실될 수 있습니다. 데이터프레임에 한 번에 통합하여 적용하려면 아래와 같은 형태로 진행하는 것이 좋습니다.
- 원래 코드에서는
수정된 코드 제안
train = pd.concat([train.drop(cols, axis=1), pd.get_dummies(train[cols])], axis=1)
test = pd.concat([test.drop(cols, axis=1), pd.get_dummies(test[cols])], axis=1)
코드 설명
train.drop(cols, axis=1): 기존의 범주형 컬럼을 삭제합니다.
pd.get_dummies(train[cols]): 인코딩된 새로운 컬럼 세트를 만듭니다.
pd.concat([...], axis=1): 삭제된 기존의 컬럼 대신 인코딩된 컬럼이 추가된 데이터를 생성합니다.
이 코드를 사용하면 데이터프레임 내의 다른 수치형 및 비인코딩 컬럼을 보존하면서 범주형 컬럼에 대해 원핫 인코딩을 수행할 수 있습니다.
아래 유사한 질문과 답변에서 좀 더 효과적인 방법 및 다양한 시각을 확인하실 수 있습니다:
- 원핫인코딩에 관해서 질문이 있습니다!
- pd.get_dummies(train[cols])와 (train, columns=cols) 차이가 궁금합니다.
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.
copy()
0
8
1
딴짓코치 이용
0
13
0
수강 관련 문의 드립니다.
0
45
3
자치구 상점 수 합(12회)
0
23
1
불균형데이터 처리 전후 비교
0
27
2
레이블인코딩/원핫
0
30
2
인코딩
0
27
2
작업형 2 작업
0
33
2
ttest_rel() 관련 질문
0
39
2
작업형2. 인코딩에 대해 질문드립니다.
0
30
2
작업형3 2-3
0
40
1
코딩팡 2호선 전처리 종합 28번 중고 카메라 매입가 문제 최적화 질문드립니다.
0
30
1
8회 작업형2
0
33
2
작업형2 모의문제2 updated 2026.10
0
47
3
단순선형 회귀분석 신뢰구간,예측구간 관련질문
0
40
2
판다스 부분 강의 듣고 있는데..
0
45
2
코딩팡 Pro 등록방법 문의
0
44
1
'자동으로 저장할 수 없습니다. 이 파일은 원격으로 또는 다른 탭에서 업데이트되었습니다.'
0
31
2
random_state에 따른 최종스코어 점수차이
0
39
2
코랩 백엔드
0
64
3
xgboost 사용 시 오류 이유
0
48
2
작업형 2 제출하는 법
0
61
2
Section 5. 문자열 슬라이싱, 파생변수, 평균값 질문 드립니다.
0
43
1
예시문제 작업형2(ver. 2025)
0
63
2





