Aice Associate 준비 인코딩 방법 정리

🧩 AICE Associate 주요 인코딩 4종 정리

 

인코딩 방법	주요 목적	입력 형태	사용 예시
① replace()	문자 데이터를 숫자로 직접 치환	문자	숫자	수동 매핑
② LabelEncoder().fit_transform()	문자 → 숫자 자동 변환 (레이블 인코딩)	문자	숫자	머신러닝 모델 입력용
③ to_categorical()	정수 레이블 → 원-핫 인코딩(One-hot encoding)	숫자	배열(0,1 벡터)	딥러닝 모델용
④ get_dummies()	범주형 컬럼 → 여러 컬럼으로 원-핫 인코딩	문자	DataFrame	판다스 전처리용

---

🔹 ① replace() 예제

import pandas as pd

df = pd.DataFrame({'gender': ['M', 'F', 'M']})
df['gender_num'] = df['gender'].replace({'M': 1, 'F': 0})
print(df)

 

  gender  gender_num
0      M           1
1      F           0
2      M           1

---

🔹 ② transform (LabelEncoder)

 

from sklearn.preprocessing import LabelEncoder

le = LabelEncoder()
y = ['dog', 'cat', 'bird']
y_encoded = le.fit_transform(y)
print(y_encoded)

 

[2 1 0]

---

🔹 ③ to_categorical()

from tensorflow.keras.utils import to_categorical
import numpy as np

y = np.array([0, 1, 2])
y_encoded = to_categorical(y)
print(y_encoded)

 

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

---

🔹 ④ get_dummies()

 

import pandas as pd

df = pd.DataFrame({'color': ['red', 'blue', 'green']})
df_dummies = pd.get_dummies(df, columns=['color'])
print(df_dummies)

 

   color_blue  color_green  color_red
0           0            0          1
1           1            0          0
2           0            1          0

---

✅ 요약 비교표

구분	replace	LabelEncoder (transform)	to_categorical	get_dummies
사용 위치	간단한 수동 매핑	머신러닝 전처리	딥러닝 분류	데이터프레임 전처리
입력형태	문자	문자	숫자	문자
출력형태	숫자	숫자	배열(원핫)	여러 열(원핫)
주요 용도	단순 변환	레이블 인코딩	원-핫 인코딩	원-핫 인코딩
라이브러리	pandas	sklearn	keras	pandas