Encoding

#Kullanılan Kütüphanelerin Eklenmesi
import pandas as pd

#Verilerin Sözlük Olarak Oluşturulması
data = {"İsim": ["Mustafa", "Ömer", "Efe", "Yunus", "Tunç", "Ekrem", "Ahmet"],
        "Şehir": ["Bursa", "Niğde", "Aydın", "Bursa", "Mersin", "İstanbul", "Şanlıurfa"],
        "Rütbe": ["Albay", "Binbaşı", "Albay", "Tümgeneral", "Yarbay", "Orgeneral", "Tümgeneral"]}
    
#Sözlüğün DataFrame'e Dönüştürülmesi
rutbeler_df = pd.DataFrame.from_dict(data)

#Ölçek Grubunun Oluşturulması
scale_mapper = {"Binbaşı": 0, "Yarbay": 1,
                "Albay": 2, "Tümgeneral": 3,
                "Orgeneral": 4}

#Ölçeklere Göre Yerleştirme İşlemi Uygulanması
rutbeler_df["Label_Rütbe"] = rutbeler_df["Rütbe"].replace(scale_mapper)

#DataFrame
rutbeler_df

#Kullanılan Kütüphanelerin Eklenmesi
import pandas as pd
from sklearn.preprocessing import LabelEncoder

#Verilerin Sözlük Olarak Oluşturulması
data = {"Cisim": ["Araba", "Tahta", "Defter", "Telefon", "Bardak", "Ev", "Bileklik"],
        "Renk": ["Kırmızı", "Yeşil", "Kırmızı", "Pembe", "Beyaz", "Beyaz", "Kırmızı"],
        "Kod": ["A", "T", "D", "Te", "B", "E", "Bi"]}

#Sözlüğün DataFrame'e Dönüştürülmesi
renkler_df = pd.DataFrame.from_dict(data)

#LabelEncoder Nesnesinin Tanımlanması
le = LabelEncoder()

#Label Encoder'ın Uygulanması ve Yeni Değişkene Tanımlanması
renkler_df["Label_Renk"] = le.fit_transform(renkler_df["Renk"])

#DataFrame
renkler_df