Codificar colunas categóricas
Noções básicas de codificação one-hot e por rótulos.
Codificar colunas categóricas é uma aula grátis de Data Science Academy no CoddyKit. Esta é a aula 2 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Data Science Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Data Science Academy inclui 4 aulas no total.
Partes desta aula ainda não foram traduzidas e aparecem em inglês.
Why Encoding Matters
Most models only understand numbers, yet your data is full of words like red or blue. Encoding turns those labels into numbers a model can learn from. 🔢
Nominal vs Ordinal
Some categories have order, like small, medium, large. Others, like city names, do not. This order decides which encoding is honest.
Label Encoding
Label encoding assigns each category an integer: red becomes 0, blue becomes 1. Simple, but it invents an order that may not be real.
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
codes = le.fit_transform(df['color'])The Fake-Order Trap
If blue is 1 and green is 2, a model may think green is greater than blue. For nominal data that false ranking can hurt accuracy.
One-Hot Encoding
One-hot encoding makes one new column per category, marked 1 or 0. No fake order, just clean yes-or-no flags.
get_dummies in pandas
The fastest one-hot in pandas is get_dummies. Hand it a column and it expands every category into its own 0/1 column.
dummies = pd.get_dummies(df['color'])Avoid the Dummy Trap
The columns are perfectly correlated, so drop one with drop_first. This keeps linear models stable and avoids redundant information.
pd.get_dummies(df['color'], drop_first=True)OneHotEncoder for Pipelines
For models, prefer scikit-learn's OneHotEncoder. It remembers the categories it learned, so train and test stay perfectly aligned.
from sklearn.preprocessing import OneHotEncoder
enc = OneHotEncoder(handle_unknown='ignore')Encode Order on Purpose
When order is real, map it yourself so small to large becomes 1 to 3. An ordinal mapping keeps the meaning intact.
order = {'small': 1, 'medium': 2, 'large': 3}
df['size_num'] = df['size'].map(order)Beware High Cardinality
One-hot on a column with thousands of values explodes into thousands of columns. For high cardinality, consider grouping rare values first.
Handle Unseen Categories
New data may contain labels your encoder never saw. Plan for this so an unseen category does not crash your prediction step.
Quick Check
Your color column has no natural order. Which encoding avoids inventing a false ranking?
Recap: Encoding
You turned words into numbers: one-hot for unordered categories, ordinal maps for real order, and label encoding only when order does not matter. 🎉
Perguntas Frequentes
A aula “Codificar colunas categóricas” é grátis?
Sim — o texto completo de “Codificar colunas categóricas” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Data Science Academy, atualize para CoddyKit PRO. O curso de Data Science Academy inclui 4 aulas no total.
O que vou aprender em “Codificar colunas categóricas”?
Noções básicas de codificação one-hot e por rótulos. Você pratica Data Science Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar Data Science Academy?
Nenhuma experiência prévia é necessária. Data Science Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 2 de 4.
Quanto tempo leva a aula “Codificar colunas categóricas”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de Data Science Academy?
Sim. Cada aula de Data Science Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Transformar números em categorias
- Codificar colunas categóricas
- Dimensionar e normalizar números
- Criar recursos a partir de datas e textos