Encodage One-Hot avec OneHotEncoder

Fonctions :

• OneHotEncoder

  OneHotEncoder de la bibliothèque Scikit-learn est une autre méthode pour effectuer un encodage One-Hot. Contrairement à pd.get_dummies(), OneHotEncoder renvoie une matrice de type sparse, ce qui permet de gérer plus efficacement les grands ensembles de données. Il est souvent utilisé lorsque vous travaillez avec des modèles de machine learning qui nécessitent une transformation explicite des variables catégorielles en une forme numérique. Le résultat est une représentation binaire où chaque catégorie est représentée par une colonne distincte.

  Importation :

  import pandas as pd
  from sklearn.preprocessing import OneHotEncoder

  Attributs :

  Paramètre	Type	Description	Valeur par défaut
  sparse_output	bool	Si True, renvoie une matrice sparse (plus économe en mémoire pour les grands ensembles de données).	True
  handle_unknown	str	Spécifie comment gérer les catégories inconnues. Par exemple, ignore signifie que les catégories inconnues sont ignorées.	error
  drop	str	Spécifie la catégorie à supprimer pour éviter la multicolinéarité, comme first pour supprimer la première catégorie.	None

  Exemple de code :

  📋 Copy

  import pandas as pd
  from sklearn.preprocessing import OneHotEncoder
  
  # Exemple de DataFrame
  data = {
      'produit': ['A', 'B', 'C', 'B', 'A', 'C'],
      'prix': [10, 20, 30, 20, 10, 30]
  }
  df = pd.DataFrame(data)
  
  # Création de l'encodeur OneHotEncoder
  encoder = OneHotEncoder(sparse_output=False)
  
  # Transformation de la colonne 'produit'
  encoded = encoder.fit_transform(df[['produit']])
  
  # Création d'un DataFrame avec les colonnes encodées
  df_encoded = pd.DataFrame(encoded, columns=encoder.get_feature_names_out(['produit']))
  
  print(df_encoded)

  

  Explication du code :

  import pandas as pd importe la bibliothèque pandas pour la manipulation de données sous forme de DataFrame.
  from sklearn.preprocessing import OneHotEncoder importe le OneHotEncoder de la bibliothèque scikit-learn, qui est utilisé pour transformer des variables catégorielles en une représentation One-Hot.

  Création d’un DataFrame

  Le dictionnaire data contient deux colonnes : 'produit' (valeurs catégorielles) et 'prix' (valeurs numériques). Ces données sont converties en un DataFrame à l’aide de pd.DataFrame(data).

  Création de l'encodeur OneHotEncoder

  encoder = OneHotEncoder(sparse_output=False) crée un objet OneHotEncoder qui transformera la colonne 'produit' en colonnes binaires One-Hot. Le paramètre sparse_output=False assure que la sortie sera sous forme de DataFrame plutôt que sous forme de matrice sparse.

  Transformation de la colonne 'produit'

  encoded = encoder.fit_transform(df[['produit']]) applique l’encodage One-Hot à la colonne 'produit'. La méthode fit_transform() ajuste l’encodeur sur la colonne et la transforme en une matrice binaire.

  Création du DataFrame avec les colonnes encodées

  df_encoded = pd.DataFrame(encoded, columns=encoder.get_feature_names_out(['produit'])) crée un nouveau DataFrame avec les résultats de l’encodage One-Hot, en nommant les colonnes en fonction des catégories de 'produit' (par exemple, 'produit_A', 'produit_B', 'produit_C').

  Affichage du DataFrame encodé

  print(df_encoded) affiche le DataFrame résultant, avec les colonnes One-Hot encodées pour la variable 'produit'.