개요

• LableEncoder
• OneHotEncoder

인코딩(Encoding)

• 컴퓨터는 0과 1로이루어진 2진법을 사용함
• 문자, 숫자등을 그대로 컴퓨터에게 알려주면 컴퓨터는 이해 못함
• 머신러닝/딥러닝을 할 때 문자열, 숫자형 데이터들을 인코딩하는 전처리 단계가 필요
• LableEncoder, OneHotEncoder 방식이 있음

LableEncoder

• 각 카테고리를 특정한 정수값으로 매핑하여 변환하는 방식
• 고유한 범주를 0부터 정수로 변환
• 단일 컬럼 변환에 적용 가능
• 범주형 데이터 순서관계가 있을 때 적합

data = ['dag', '겨울','cat', 'mouse']

labelEncoder = LabelEncoder()
result = labelEncoder.fit_transform(data)
print('레이블전', data)
print('레이블후', result)

# 레이블인코더 ->  문자화 
decoder = labelEncoder.inverse_transform(result)
print(decoder)

OneHotEncoder

• 각 범주를 독립적인 열로 변환하고 해당하는 범주에만 1을 표시하는 방식
• 하나의 컬럼을 여러 개의 컬럼으로 확장
• 범주 간 순위 관계가 없도록 처리
• 머신러닝 모델에서 많이 사용되는 인코딩 방식

data = ['dag','cat','apple', '여름', '123']

df = np.array(data).reshape(-1, 1) # reshape: 차원의 재정렬 역할 
one_hot_encoder  =  OneHotEncoder()

encoder = one_hot_encoder.fit_transform(df).toarray()
print(encoder)


decoder = one_hot_encoder.inverse_transform(encoder).flatten() # flattem
print(decoder)

비교 항목	LabelEncoder	OneHotEncoder
출력 형태	1개의 컬럼(정수값)	여러 개의 컬럼(One-Hot 벡터)
데이터 타입	정수형 (0, 1, 2 ...)	0과 1로 이루어진 벡터
범주 간 관계	숫자 크기 때문에 관계가 생길 위험	각 범주가 독립적으로 표현됨
적용 범위	단일 컬럼 변환	다중 컬럼 변환 가능
사용 예시	순서가 있는 데이터(예: 학년, 등급)	범주 간 관계가 없는 데이터(예: 동물, 도시명)

언제 어떤 인코더를 사용할까?

상황	추천 인코더
순서가 있는 범주형 데이터	LabelEncoder
순서가 없는 범주형 데이터	OneHotEncoder
머신러닝 모델에서 범주형 변수를 입력으로 사용할 때	OneHotEncoder

pd.get_dummies 와 OneHotEncoder

• pandas에서도 OneHotEncoding을 실행하는 함수를 지원함
• 각 범주를 독립적인 컬럼(열)으로 변환하고, 해당 범주에만 1을 넣음
• 판다스 버전에 따라 True, False로 값을 넣기도 함

data = ['dag','cat','mouse']

df = pd.DataFrame({'Animal' : data})

ohe = OneHotEncoder()

one_hot_encoder = pd.get_dummies(df, columns=['Animal'])
print(one_hot_encoder)

# 리스트 형식으로 전환 replace()로 Animal_제거 idxmax(), replace, tolist
rs2  = one_hot_encoder.idxmax(axis = 1).str.replace('Animal_', '').tolist()
print(rs2)

OneHotEncoder() vs pd.get_dummies() 차이점

비교 항목	OneHotEncoder() (scikit-learn)	pd.get_dummies() (pandas)
입력 데이터 형식	2D 배열 (reshape(-1,1))	1D Series 또는 DataFrame
출력 데이터 형식	기본적으로 희소 행렬(sparse matrix)	일반 Pandas DataFrame
훈련 데이터와 테스트 데이터 일관성 유지	✅ 가능 (fit() 사용)	❌ 새로운 데이터 추가 시 기존 인코딩과 다를 수 있음
새로운 카테고리 처리	handle_unknown='ignore' 설정 가능	새로운 값이 있으면 오류 발생
머신러닝 모델 사용	💡 머신러닝용 (희소 행렬 지원)	💡 데이터 분석 및 시각화용 (간단하고 직관적)

---

언제 어떤 것을 사용해야 할까?

사용 목적	추천 방식
머신러닝 모델 훈련	OneHotEncoder() (훈련 데이터와 일관성 유지)
탐색적 데이터 분석 (EDA)	pd.get_dummies() (빠르고 직관적)
새로운 범주가 발생할 가능성이 있는 경우	OneHotEncoder(handle_unknown='ignore')
원본 DataFrame을 유지하면서 변환할 경우	pd.get_dummies(df, columns=['컬럼명'])

---