[Python] pandas의 get_dummies을 이용한 원핫인코딩

One-Hot Encoding? (원핫인코딩)

명목형 변수(카테고리 변수)를 더미변수로 변환하는 기법.

Label Encoding에서 일어나는 가중치 문제가 발생하지 않아서 각 카테고리 값이 서로 독립적이며 숫자 간의 순서나 크기가 없는 경우에 사용된다.

원핫인코딩을 하는 이유?
--> 명목형 변수를 수치형 데이터로 변환하여 모델이 이해할 수 있도록 하기 위해

 

---

원핫인코딩 실습

아래와 같은 데이터프레임이 있다.

import pandas as pd
import numpy as np

df = pd.DataFrame({'species':['dog','cat','pig'],'color':['brown','black','pink'],'count':[3,6,8]})
df

'species' 피처와 'color' 피처는 명목변수이므로, 수치화를 해주어야 하고 이때 원핫인코딩을 이용해보자.

 

판다스의 "get_dummies" 함수를 이용하면 특정 피처에 대한 더미변수를 만들 수 있다.

먼저 'species' 피처의 더미변수를 만들어보자.

dummies_01 = pd.get_dummies(df['species'])
dummies_01

 

다음으로 동일한 방법으로 'color' 피처의 더미변수를 만들자.

dummies_02 = pd.get_dummies(df['color'])
dummies_02

기존 데이터프레임에 원핫인코딩을 적용하기 위해 더미변수를 기존 데이터프레임과 합치고 범주형 데이터인 'species', 'color' 피처는 제거하자.
이때 판다스의 concat 함수를 이용한다. 옵션에서 axis=1로 설정해주어야 열 방향으로 합쳐진다. (default는 axis=0)

df = pd.concat([dummies_01, dummies_02, df['count']], axis=1)
df

 

---

2024.08.08 수정

각 명목변수들을 따로 수치형 변환하지 않고 df함수에 한번에 get_dummies() 함수를 적용하면 더 간단하다.

df = pd.get_dummies(df)
df

 

이때, 이전에 get_dummies() 함수를 사용하면 범주형 변수들이 수치형 변수들로 변경이 되었었는데, 현재는 boolean 값으로 변경되도록 업데이트가 된 것도 확인할 수 있다.

 

이 상태로도 이후 모델에 fit하는 데 문제가 없기는 하지만, 만약 수치형으로 바꾸고 싶다면 astype() 함수를 이용하면 된다.

df = df.astype(int)
df