0. 들어가며

• 성별과 같은 정보는 'man', 'woman'으로 나뉜다.
• 이러한 정보들은 string형태로 나눠지고, 이는 행렬계산에 부적합
• 행렬계산에 적합한 숫자 형태로 변환하는 연습을 해보고자 한다.

1. labeling

• Titanic dataset의 embark_town feature는 탑승지에 관한 정보를 담고 있으며,
  클래스의 유형을 Southampton, Cherbourg, Queenstown와 같은 형태로 저장하고 있다.
• 행렬계산이 용이하도록 숫자형태로 변환하여 정보를 저장
• 하나의 feature에 모든 정보를 저장하는 방법

예시
Southampton -> 0
Cherbourg -> 1
Queenstown -> 2

✅ labeling의 시작은 0 부터 부여

1) 예시

df = sns.load_dataset('titanic')

from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()

df.sex = le.fit_transform(df.sex)
df.embark_town = le.fit_transform(df.embark_town)

df.sex 는 원래 male, female로 구성
-> 이를 1, 0 형태로 변환

df.embark_town 는 원래 Southampton, Cherbourg, Queenstown로 구성
-> 이를 0, 1, 2 형태로 변환

2. one-hot encoding

✅ 더미 형태로 변환하여 새로운 column를 생성하고, 그 column에 해당하는 경우 1의 값을 부여하고, 아닌 경우 0의 값을 부여하는 방식

from sklearn.preprocessing import OneHotEncoder

ohe = OneHotEncoder(sparse_output=False)
ohe.fit(df.embark_town.values.reshape((-1, 1)))

one_hot_encoded = ohe.transform(df.embark_town.values.reshape((-1,1)))

columns = np.concatenate([np.array(['label']) , ohe.categories_[0]])
#넘파이 어레이형태로 넣어야 되는데 사이킷 런에서는 표현이 통일이 안되 있는 경우가 있어 판다스 벨류로 읽은다음 리쉐입으로 수정하는 것이 필요함
#-1은 남은차원은 알아서 채워라 
result = pd.DataFrame(data = np.concatenate([df.embark_town.values.reshape((-1,1)), one_hot_encoded.reshape((-1, 3))], axis=1), 
                      columns=columns) 
result.head(10)