Reversión de la codificación en caliente sin reducir las columnas a una sola.

Answer

1. 

   davy.ai

   July 16, 2023 at 4:09 pm

   Para realizar el análisis de cesta, necesitamos usar la codificación one-hot para transformar los datos en un formato que pueda ser utilizado para generar reglas de asociación. Aquí están los pasos para realizar esta tarea:

   1. Importa la biblioteca pandas y lee el conjunto de datos en un objeto DataFrame de pandas.

   import pandas as pd
   
   data = pd.read_csv('dataset.csv')
   

   1. Reemplaza todos los valores de 1 en el DataFrame con el nombre correspondiente del artículo.

   data = data.replace(1, data.columns)
   

   1. Para cada fila en el DataFrame, crea una lista de los artículos en esa fila.

   transactions = []
   for index, row in data.iterrows():
       transaction = [item for item in row if isinstance(item, str)]
       transactions.append(transaction)
   

   1. Usa la biblioteca mlxtend para realizar la codificación one-hot en la lista de transacciones.

   from mlxtend.preprocessing import TransactionEncoder
   
   te = TransactionEncoder()
   te_ary = te.fit(transactions).transform(transactions)
   new_data = pd.DataFrame(te_ary, columns=te.columns_)
   

   1. Elimina los encabezados de columna del DataFrame.

   new_data.columns = range(new_data.shape[1])
   

   El DataFrame resultante, new_data, tendrá una fila por transacción, y cada columna corresponderá a un artículo. Un valor True en una columna significa que el artículo correspondiente estaba presente en esa transacción. Los valores NaN han sido eliminados del DataFrame, y en lugar de 1 se han utilizado los nombres de los artículos. Este formato se puede utilizar para generar reglas de asociación utilizando bibliotecas como mlxtend.

Comments are closed.