🧪 Pré-processamento de Dados: Normalização, Padronização e Codificação

Este repositório apresenta um roteiro prático para realizar normalizações, padronizações e codificações de variáveis em um conjunto de dados utilizando pandas e técnicas da biblioteca sklearn. O objetivo é preparar os dados para aplicações de machine learning ou análise estatística.

💡 Objetivo

O script é útil para entender e aplicar diferentes técnicas de transformação e codificação de dados, servindo como base para pipelines de data science e machine learning.

📂 Estrutura do Projeto

O código está organizado em duas partes principais:

1. Transformações em Variáveis Numéricas

   • Normalização com MinMaxScaler: Escala os dados entre 0 e 1.

   • Padronização com StandardScaler: Centraliza os dados em média 0 e desvio padrão 1.

   • Padronização com RobustScaler: Utiliza a mediana e o IQR, sendo resistente a outliers.

Transformações estatísticas:

- Box-Cox: Aplica transformação estatística para normalizar a distribuição.

- Logarítmica: Reduz a assimetria em distribuições enviesadas.

2. Codificação de Variáveis Categóricas

   • One-Hot Encoding: Gera colunas binárias para categorias (ex: estado_civil).

   • Codificação Ordinal: Define ordem explícita entre categorias (ex: nível_educacao).

   • Codificação com .cat.codes: Atribui um código numérico a cada categoria (ex: area_atuacao).

   • LabelEncoder: Transforma rótulos em valores numéricos (ex: estado).

   • Codificação de Frequência: Representa a frequência de ocorrência de uma categoria.

🛠️ Bibliotecas Utilizadas

• pandas

• numpy

• scikit-learn

• scipy.stats (para Box-Cox)