Solucionado
from sklearn.preprocessing import OneHotEncoder
categorical_vars = ['airline', 'aircraft_type', 'origin', 'day_of_week']
encoder = OneHotEncoder(sparse_output=False, dtype=int)
encoded_array = encoder.fit_transform(df[categorical_vars])
encoded_columns = encoder.get_feature_names_out(categorical_vars)
df_encoded = pd.DataFrame(encoded_array, columns=encoded_columns)
df_encoded.index = df.index
df_final = pd.concat([df.drop(columns=categorical_vars), df_encoded], axis=1)
df_final.head()
Olá, John Lenon! Como vai?
Parabéns pela resolução da atividade!
Observei que você explorou o uso do OneHotEncoder para transformar variáveis categóricas no Python, utilizou muito bem o método get_feature_names_out para nomear as novas colunas e ainda compreendeu a importância de concatenar os dados codificados ao DataFrame original para manter a consistência da análise.
Continue postando as suas soluções, com certeza isso ajudará outros estudantes e tem grande relevância para o fórum.
Fico à disposição! E se precisar, conte sempre com o apoio do fórum.
Abraço e bons estudos!
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!
Olá, Daniel Nogueira!
Muito obrigado!
Continuarei compartilhando minhas soluções no fórum. Obrigado pelo incentivo!
Para saber mais: