판다스 - 원핫인코딩 (One-Hot Encoding)

https://steadiness-193.tistory.com/19

판다스 - 구간 분할(pd.cut)

위 포스팅에서 사용한 get_dummies 와 비슷하다.

 

 

 

 

문제의 데이터를 살펴보자

 

 

장르 컬럼에 2개 이상의 값이 같이 있는 행도 있다.

 

 

 

 

 

최종 목표는 

 

 

이렇게 만드는 것이다.

 

장르별 컬럼을 다 만들고

 

해당 장르에 속한다면 1을, 아니라면 0을 넣는 것이다.

 

 

 

 

 

 

 

1. 모든 장르 찾기

 

 

extend를 이용해 all_genres 리스트에 

 

모든 장르 데이터를 담아냈다.

 

 

 

 

 

 

2. 중복 제거하기

 

 

pd.unique를 사용했으며

 

set을 이용해도 된다.

 

 

 

 

 

 

 

3. 제로 메트릭스 만들기

 

행 - 기존 데이터프레임의 행 개수

열 - 장르의 개수

 

 

 

 

 

 

4. 제로 메트릭스를 데이터프레임으로 만들기

 

 

컬럼명을 장르로 설정했다.

 

 

 

지금부터가 다소 헷갈릴 수 있다.

 

하나씩 살펴보자

 

 

첫번째 행의 장르 클럼을 가져와 split을 하면 

 

세개의 원소가 담긴 리스트가 나온다.

 

 

 

여기서 이제 이용할 것이

get_indexer이다.

 

장르가 다 담겨 있는 리스트

 

 

 

전체 리스트에서

 

해당 원소가 있는 인덱스를 찾을때 이용한다.

 

 

Animation과 Children's, Comedy는 

 

장르 컬럼 리스트에서 0, 1, 2번째에 있다.

 

 

이를 for 구문에 넣으면

 

 

이렇게 나오니

 

이제 이를 활용하면 된다.

 

 

 

 

 

 

5. 데이터프레임에 0 또는 1로 값 채우기

 

 

 

 

 

 

 

6. join으로 마무리

 

이제 위 데이터프레임을 기존 movies와 연결하면 된다.

 

인덱스가 동일하니 join을 이용하되

 

헷갈리지 않게 add_prefix도 이용한다.

 

 

 

장르 컬럼에 Genre_를 붙여서 join에 성공했다.

 

 

 

한 행만 살펴보면

 

 

잘 처리된 것을 확인할 수 있다.