[mehmeterencakmak]

Closes #3

Summary

Adds CategoricalEncoder, the block that turns categorical columns into numbers.

• method="onehot" (default) replaces each categorical column, in place, with one 0/1 integer column per category, named <column>_<category>.
• method="ordinal" replaces it with the category's position in categories_[column].
• Only object, string and category columns are encoded; numeric (and other) columns pass through unchanged.
• Categories are learned in fit only, sorted, and stored in categories_ as {column: [category, ...]}.
• Unknown categories in transform: handle_unknown="error" raises a ValueError naming the column and values; "ignore" gives all zeros (one-hot) or -1 (ordinal).
• Overrides get_feature_names_out; it reuses the base class checks for fitted state and input_features.

Acceptance criteria

• Subclasses BasePreprocessor, implements only _fit / _transform; __init__ only stores its arguments.
• Invalid method / handle_unknown raise ValueError in fit.
• Categories come from training data only; test-only categories are unknown.
• Missing values in a categorical column raise ValueError in fit and transform, asking to impute first.
• A generated one-hot name that collides with an existing column raises ValueError in fit.
• get_feature_names_out() matches the columns transform produces for both methods.
• transform returns a new DataFrame and does not modify its input (index is kept).
• Works in make_pipeline + cross_val_score; GridSearchCV tunes method.
• Exported from preprocessing_toolkit.
• ruff check, ruff format --check, pytest pass locally (60 tests, Python 3.13).

Notes

• Codes are computed with pd.Index(categories).get_indexer(values); building a pd.Categorical from values outside its categories is deprecated in recent pandas.
• __init__.py will need a trivial merge with feat: add missing value imputer #10 (imputer export) depending on merge order.

🤖 Generated with Claude Code

[akifkulll]

Nice work. CI is green and all 60 tests pass. Two things before merge:

1. Ordered categoricals: for pd.Categorical(['low','high','medium'], categories=['low','medium','high'], ordered=True), categories_ becomes ['high','low','medium'], so ordinal codes ignore the declared order. For category dtype columns, use list(X[col].cat.categories) instead of sorting (this also keeps unused levels).
2. Mixed-type object columns (['a', 1, 'b']) crash in sorted() with a bare TypeError. Use sorted(..., key=str) or raise a clear ValueError.
   Note: feat: add FeatureScaler (standard / minmax) #11 also edits init.py, so whichever is merged second will need a quick rebase.

Eline sağlık Eren, CI yeşil ve 60 testin hepsi geçiyor. Merge'den önce iki küçük şey var:

1. Sıralı kategoriler: pd.Categorical(['low','high','medium'], categories=['low','medium','high'], ordered=True) gibi bir sütunda categories_ ['high','low','medium'] oluyor. Yani ordinal kodlar tanımlanan sırayı (low < medium < high) dikkate almıyor. category dtype'lı sütunlarda sıralamak yerine list(X[col].cat.categories) kullanırsan sorun çözülür. Kullanılmayan kategoriler de bu sayede kaybolmaz.

2. Karışık tipli sütunlar: ['a', 1, 'b'] gibi object sütunlarda sorted() açıklamasız bir TypeError veriyor. sorted(..., key=str) kullanabilirsin ya da anlaşılır bir ValueError fırlatabilirsin.

Not: #11 de init.py dosyasını değiştiriyor. Önce #11'i merge edeceğiz, sonra burada küçük bir rebase gerekecek: iki import satırı ve all içinde iki isim yan yana kalacak.

[mehmeterencakmak]

Thanks! Both are fixed:

• category columns now keep their declared order (and unused levels).
• Mixed-type columns (like ['a', 1, 'b']) no longer crash.

I also merged main into the branch to resolve the __init__.py conflict. CI is green.

---

Teşekkürler! İki düzeltmeyi de yaptım:

• category tipli sütunlar artık tanımlı sıralarını (ve kullanılmayan kategorileri) koruyor.
• Karışık tipli sütunlar (['a', 1, 'b'] gibi) artık çökmüyor.

Ayrıca __init__.py çakışmasını çözmek için main'i branch'e merge ettim. CI yeşil.

[akifkulll]

Thanks Eren, both fixes verified. Teşekkürler!”