Erro aula “Transformacao de variaveis categoricas 2 – base censo”

[Jason Baum]

Parte 1 – Classificação

Aula – Transformacao de variaveis categoricas 2 – base censo

Ao executar os comando conforme a orientação passada a partir do minuto ‘8’, o seguinte erro é apresentado:

File “C:\Python\Machine Learning e Data Science com Python de A à Z\Parte1 – Aula7 – pre_processamento_census.py”, line 24, in <module>
previsores[:,3] = labelencoder_previsores.fit_transform(previsores[:,3])

IndexError: index 3 is out of bounds for axis 1 with size 1

 

Segue abaixo o código:

import pandas as pd

base = pd.read_csv(‘census.csv’)

previsores = base.iloc[:,8:9].values
classe = base.iloc[:,14].values

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_previsores = LabelEncoder()

#lebels = labelencoder_previsores.fit_transform(previsores[:,1])

previsores[:,0] = labelencoder_previsores.fit_transform(previsores[:,0])
previsores[:,3] = labelencoder_previsores.fit_transform(previsores[:,3])
previsores[:,5] = labelencoder_previsores.fit_transform(previsores[:,5])
previsores[:,6] = labelencoder_previsores.fit_transform(previsores[:,6])
previsores[:,7] = labelencoder_previsores.fit_transform(previsores[:,7])
previsores[:,8] = labelencoder_previsores.fit_transform(previsores[:,8])
previsores[:,9] = labelencoder_previsores.fit_transform(previsores[:,9])
previsores[:,13] = labelencoder_previsores.fit_transform(previsores[:,13])

onehotencoder = OneHotEncoder(categorical_features=[0])
previsores = onehotencoder.fit_transform(previsores).toarray()

 

[Fábio Spak]

Boa noite Jason, esse erro esta relacionado com a atualização do código fonte. Você pode fazer o download do código fonte atualizado através do link abaixo:

https://iaexpert.academy/topic/importante-atualizacao-do-codigo-fonte-e-recursos-para-download/

Fabio

[Jason Baum]

Fiz a alteração:

 

import pandas as pd

base = pd.read_csv(‘census.csv’)

#Separando os atributos previsores e classe
previsores = base.iloc[:, 8:9].values
classe = base.iloc[:, 14].values

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
from sklearn.compose import ColumnTransformer
labelencoder_previsores = LabelEncoder()

onehotencorder = ColumnTransformer(transformers=[(“OneHot”, OneHotEncoder(), [1,3,5,6,7,8,9,13])],remainder=’passthrough’)
previsores = onehotencorder.fit_transform(previsores).toarray()

labelencorder_classe = LabelEncoder()
classe = labelencorder_classe.fit_transform(classe)

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
previsores = scaler.fit_transform(previsores)

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_previsores = LabelEncoder()

#transformar str em int / variáveis categóricas em numéricas
#lebels = labelencoder_previsores.fit_transform(previsores[:,1])

previsores[:,0] = labelencoder_previsores.fit_transform(previsores[:,0])
previsores[:,3] = labelencoder_previsores.fit_transform(previsores[:,3])
previsores[:,5] = labelencoder_previsores.fit_transform(previsores[:,5])
previsores[:,6] = labelencoder_previsores.fit_transform(previsores[:,6])
previsores[:,7] = labelencoder_previsores.fit_transform(previsores[:,7])
previsores[:,8] = labelencoder_previsores.fit_transform(previsores[:,8])
previsores[:,9] = labelencoder_previsores.fit_transform(previsores[:,9])
previsores[:,13] = labelencoder_previsores.fit_transform(previsores[:,13])

onehotencorder = OneHotEncoder(categorical_features=[0])
previsores = onehotencorder.fit_transform(previsores).toarray()

 

2 novos erros:

Ao executar: onehotencorder = OneHotEncoder(categorical_features=[0])

Erro:

return f(**kwargs)

TypeError: __init__() got an unexpected keyword argument ‘categorical_features’

 

Ao executar: previsores = onehotencorder.fit_transform(previsores).toarray()

Erro:

raise ValueError(

ValueError: all features must be in [0, 0] or [-1, 0]

 

[Fábio Spak]

Boa noite Jason, com a atualização do código fonte o LabelEncoder não é utilizado na etapa dos previsores. Nesse caso, o código deverá ficar dessa forma:

import pandas as pd

base = pd.read_csv('census.csv')

previsores = base.iloc[:, 0:14].values
classe = base.iloc[:, 14].values

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
from sklearn.compose import ColumnTransformer
labelencoder_previsores = LabelEncoder()

onehotencorder = ColumnTransformer(transformers=[("OneHot", OneHotEncoder(), [1,3,5,6,7,8,9,13])],remainder='passthrough')
previsores = onehotencorder.fit_transform(previsores).toarray()

labelencorder_classe = LabelEncoder()
classe = labelencorder_classe.fit_transform(classe)

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
previsores = scaler.fit_transform(previsores)

Fabio

[Autor]

Posts