类 LabelEncoder

LabelEncoder 是 scikit-learn 中的一个预处理工具，用于将类别变量（例如字符串标签或离散的整数标签）转换为整数。

类 LabelEncoder 在包 sklearn.preprocessing.LabelEncoder 中，使用 $0$ 到 $n\_classes-1$ 之间的值对目标标签进行编码。

此转换器应用于对目标值（即 $y$）进行编码，而不是对输入 $x$ 进行编码。

• OrdinalEncoder：使用序数编码方案对分类特征进行编码。
• OneHotEncoder：将分类特征编码为独热数字数组。

类属性及类方法

类属性：classes_ 保存每个类别的标签。

主要类方法：

1. fit(y)：

• fit 方法用于拟合（训练）一个 LabelEncoder 对象，以适应给定的类别数据 $y$。
• 在拟合过程中，LabelEncoder 会计算类别的唯一值，并将其映射到整数标签。
• 例如，如果 $y$ 是 [1, 2, 2, 6]，fit 方法会计算出唯一的类别 [1, 2, 6]。

2. transform(y)：

• transform 方法用于将给定的类别数据 $y$ 转换为整数标签。
• 它根据之前拟合的 LabelEncoder 对象，将类别变量映射到整数。
• 例如，如果 $y$ 是 [1, 1, 2, 6]，transform 方法会将其转换为 [0, 0, 1, 2]。

3. fit_transform(y)：

• fit_transform 方法是 fit 和 transform 的组合。
• 它先拟合一个 LabelEncoder 对象，然后将给定的类别数据 $y$ 转换为整数标签。

4. inverse_transform(y)：

• 用于将数字编码转换回原始的分类变量。

示例

首先，准备好数据并使用 LabelEncoder 对数据集进行编码。

from sklearn.preprocessing import LabelEncoderdata = ['小猫', '小猫', '小狗', '小狗', '兔子', '兔子']le = preprocessing.LabelEncoder()
encoded_data = le.fit_transform(data)
print(encoded_data)  # 输出：[0, 0, 1, 1, 2, 2]

使用 inverse_transform 方法，可以根据编码后的类别反向推导出编码前对应的原始标签：

print(le.inverse_transform([0, 1, 2]))  # 输出：['小猫', '小狗', '兔子']

用法

LabelEncoder 可用于规范化标签。

>>> from sklearn.preprocessing import LabelEncoder
>>> le = LabelEncoder() # 创建一个LabelEncoder对象
>>> le.fit([1, 2, 2, 6]) # 将编码器拟合到给定的类别
LableEncoder()
>>> le.classes_ # 显示拟合后的类别（unique）
array([1, 2, 6])
>>> le.transform([1, 1, 2, 6]) # 将给定的类别转换为整数
array([0, 0, 1, 2]...)
>>> le.inverse_transform([0, 0, 1, 2]) # 将整数逆转换回原始类别
array([1, 1, 2, 6])

它还可用于将非数字标签（只要它们是可散列和可比较的）转换为数字标签。

>>> le = LabelEncoder()
>>> le.fit(["paris", "paris", "tokyo", "amsterdam"])
LabelEncoder()
>>> list(le.classes_)
['amsterdam', 'paris', 'tokyo']
>>> le.transform(["tokyo", "tokyo", "paris"]) # Transform Categories Into Integers
array([2, 2, 1]...)
>>> list(le.inverse_transform([2, 2, 1])) # Transform Integers Into Categories
['tokyo', 'tokyo', 'paris']

用于大型数据集

LableEncoder 用于数据预处理，将分类变量转换为数值编码。

from sklearn.preprocessing import LabelEncoderle = LabelEncoder()
for column in train.columns:if train[column].dtype == 'object':train[column] = le.fit_transform(train[column])test[column] = le.transform(test[column])

遍历 train 数据集中的每一列，对于每一列，检查它的数据类型是否为 object，即是否为字符串或其他非数值类型。

如果是分类变量，执行以下操作：

• 使用 le.fit_transform(train[column]) 将该列的值进行数值编码。fit_transform 方法会学习该列的不同类别，并将每个类别映射到一个唯一的整数标签。这样，原本的字符串类别就被转换成了整数。
• 然后，对 test 数据集中相应的列执行相同的操作，但是这里只使用 le.transform(test[column])，因为已经在训练集上学习了类别映射，不需要再次拟合。