scikit-learn中跨多个列的标签编码
我尝试使用scikit-learn LabelEncoder来编码panda DataFrame字符串标签。由于数据框有很多（50+）列，我想避免为每列创建一个LabelEncoder对象;我宁愿只有一个大LabelEncoder个对象可以在所有我的数据列中运行。
将整个DataFrame投掷到LabelEncoder会产生以下错误。请记住，我在这里使用虚拟数据;实际上，我处理了大约50列字符串标记数据，因此需要一个不会按名称引用任何列的解决方案。
import pandas
from sklearn import preprocessing
df = pandas.DataFrame({
'pets': ['cat', 'dog', 'cat', 'monkey', 'dog', 'dog'],
'owner': ['Champ', 'Ron', 'Brick', 'Champ', 'Veronica', 'Ron'],
'location': ['San_Diego', 'New_York', 'New_York', 'San_Diego', 'San_Diego',
'New_York']
})
le = preprocessing.LabelEncoder()
le.fit(df)
追踪（最近一次通话）： 文件＆＃34;＆＃34;，第1行，in File＆＃34; /Users/bbalin/anaconda/lib/python2.7/site-packages/sklearn/preprocessing/label.py" ;,第103行，in fit y = column_or_1d（y，warn = True） 文件＆＃34; /Users/bbalin/anaconda/lib/python2.7/site-packages/sklearn/utils/validation.py"，第306行，在column_or_1d中 引发ValueError（＆＃34;输入形状错误{0}＆＃34; .format（形状）） ValueError：输入形状错误（6,3）
有关如何解决此问题的任何想法？
22 个答案:
答案 0 :(得分：364)
你可以轻松地做到这一点，
df.apply(LabelEncoder().fit_transform)
EDIT2：
在scikit-learn 0.20中，推荐的方法是
OneHotEncoder().fit_transform(df)
因为OneHotEncoder现在支持字符串输入。 ColumnTransformer可以将OneHotEncoder仅应用于某些列。
编辑：
由于这个答案是一年多以前，并产生了许多赞成票（包括赏金），我应该进一步扩展这一点。
对于inverse_transform和transform，你必须做一些黑客攻击。
from collections import defaultdict
d = defaultdict(LabelEncoder)
有了这个，您现在将所有列LabelEncoder保留为字典。
# Encoding the variable
fit = df.apply(lambda x: d[x.name].fit_transform(x))
# Inverse the encoded
fit.apply(lambda x: d[x.name].inverse_transform(x))
# Using the dictionary to label future data
df.apply(lambda x: d[x.name].transform(x))
答案 1 :(得分：77)
如larsmans所述，LabelEncoder() only takes a 1-d array as an argument。也就是说，滚动您自己的标签编码器非常容易，该编码器在您选择的多个列上运行，并返回转换后的数据帧。我的代码部分基于Zac Stewart的优秀博客文章here。
创建自定义编码器只需创建一个响应fit()，transform()和fit_transform()方法的类。在你的情况下，一个良好的开端可能是这样的：
import pandas as pd
from sklearn.preprocessing import LabelEncoder
from sklearn.pipeline import Pipeline
# Create some toy data in a Pandas dataframe
fruit_data = pd.DataFrame({
'fruit': ['apple','orange','pear','orange'],
'color': ['red','orange','green','green'],
'weight': [5,6,3,4]
})
class MultiColumnLabelEncoder:
def __init__(self,columns = None):
self.columns = columns # array of column names to encode
def fit(self,X,y=None):
return self # not relevant here
def transform(self,X):
'''
Transforms columns of X specified in self.columns using
LabelEncoder(). If no columns specified, transforms all
columns in X.
'''
output = X.copy()
if self.columns is not None:
for col in self.columns:
output[col] = LabelEncoder().fit_transform(output[col])
else:
for colname,col in output.iteritems():
output[colname] = LabelEncoder().fit_transform(col)
return output
def fit_transform(self,X,y=None):
return self.fit(X,y).transform(X)
假设我们要对两个分类属性（fruit和color）进行编码，同时仅保留数字属性weight。我们可以这样做：
MultiColumnLabelEncoder(columns = ['fruit','color']).fit_transform(fruit_data)
从
转换我们的fruit_data数据集
到
传递一个完全由分类变量组成的数据框并省略columns参数将导致每个列都被编码（我认为这是你最初想要的）：
MultiColumnLabelEncoder().fit_transform(fruit_data.drop('weight',axis=1))
这转换
到
请注意，当它尝试编码已经是数字的属性时，它可能会窒息（如果你愿意，可以添加一些代码来处理它）。
另一个很好的功能是我们可以在管道中使用这个自定义变换器：
encoding_pipeline = Pipeline([
('encoding',MultiColumnLabelEncoder(columns=['fruit','color']))
# add more pipeline steps as needed
])
encoding_pipeline.fit_transform(fruit_data)
答案 2 :(得分：12)
我们不需要LabelEncoder。
您可以将列转换为分类，然后获取其代码。我使用下面的字典理解将此过程应用于每个列，并将结果包装回具有相同索引和列名称的相同形状的数据框中。
>>> pd.DataFrame({col: df[col].astype('category').cat.codes for col in df}, index=df.index)
location owner pets
0 1 1 0
1 0 2 1
2 0 0 0
3 1 1 2
4 1 3 1
5 0 2 1
要创建映射字典，您可以使用字典理解来枚举类别：
>>> {col: {n: cat for n, cat in enumerate(df[col].astype('category').cat.categories)}
for col in df}
{'location': {0: 'New_York', 1: 'San_Diego'},
'owner': {0: 'Brick', 1: 'Champ', 2: 'Ron', 3: 'Veronica'},
'pets': {0: 'cat', 1: 'dog', 2: 'monkey'}}
答案 3 :(得分：6)
假设您只是想获得一个可用于表示列的sklearn.preprocessing.LabelEncoder()对象，您所要做的就是：
le.fit(df.columns)
在上面的代码中，您将拥有与每列对应的唯一编号。
更准确地说，您将获得df.columns到le.transform(df.columns.get_values())的1：1映射。要获得列的编码，只需将其传递给le.transform(...)即可。例如，以下内容将获取每列的编码：
le.transform(df.columns.get_values())
假设您要为所有行标签创建sklearn.preprocessing.LabelEncoder()对象，您可以执行以下操作：
le.fit([y for x in df.get_values() for y in x])
在这种情况下，您很可能拥有非唯一的行标签（如问题所示）。要查看编码器创建的类，您可以le.classes_。您需要注意，这应该与set(y for x in df.get_values() for y in x)中的元素相同。再次将行标签转换为编码标签时，请使用le.transform(...)。例如，如果要检索df.columns数组和第一行中第一列的标签，可以执行以下操作：
le.transform([df.get_value(0, df.columns[0])])
您在评论中提出的问题有点复杂，但仍然可以 完成：
le.fit([str(z) for z in set((x[0], y) for x in df.iteritems() for y in x[1])])
以上代码执行以下操作：
- 制作所有（列，行）对的唯一组合
- 将每对表示为元组的字符串版本。这是一种解决方法，可以克服
LabelEncoder类不支持元组作为类名。 - 使新项目适合
LabelEncoder。
现在使用这个新模型它有点复杂。假设我们想要提取我们在上一个示例（df.columns中的第一列和第一行）中查找的相同项目的表示，我们可以这样做：
le.transform([str((df.columns[0], df.get_value(0, df.columns[0])))])
请记住，每个查找现在都是元组的字符串表示形式 包含（列，行）。
答案 4 :(得分：6)
这并没有直接回答你的问题（Naputipulu Jon和PriceHardman对此有很好的回复）
但是，出于一些分类任务等目的，您可以使用
pandas.get_dummies(input_df)
这可以输入带有分类数据的数据帧，并返回带有二进制值的数据帧。变量值在结果数据帧中编码为列名。 more
答案 5 :(得分：6)
从scikit学习0.20开始，您可以使用sklearn.compose.ColumnTransformer和sklearn.preprocessing.OneHotEncoder：
如果只有分类变量，请直接OneHotEncoder：
from sklearn.preprocessing import OneHotEncoder
OneHotEncoder(handle_unknown='ignore').fit_transform(df)
如果您具有异构类型的功能：
from sklearn.compose import make_column_transformer
from sklearn.preprocessing import RobustScaler
from sklearn.preprocessing import OneHotEncoder
categorical_columns = ['pets', 'owner', 'location']
numerical_columns = ['age', 'weigth', 'height']
column_trans = make_column_transformer(
(categorical_columns, OneHotEncoder(handle_unknown='ignore'),
(numerical_columns, RobustScaler())
column_trans.fit_transform(df)
文档中的更多选项：http://scikit-learn.org/stable/modules/compose.html#columntransformer-for-heterogeneous-data
答案 6 :(得分：4)
这是事后的一年半，但我也需要能够同时.transform()多个pandas数据帧列（并且能够.inverse_transform()它们也是如此）。这扩展了@PriceHardman的优秀建议：
class MultiColumnLabelEncoder(LabelEncoder):
"""
Wraps sklearn LabelEncoder functionality for use on multiple columns of a
pandas dataframe.
"""
def __init__(self, columns=None):
self.columns = columns
def fit(self, dframe):
"""
Fit label encoder to pandas columns.
Access individual column classes via indexig `self.all_classes_`
Access individual column encoders via indexing
`self.all_encoders_`
"""
# if columns are provided, iterate through and get `classes_`
if self.columns is not None:
# ndarray to hold LabelEncoder().classes_ for each
# column; should match the shape of specified `columns`
self.all_classes_ = np.ndarray(shape=self.columns.shape,
dtype=object)
self.all_encoders_ = np.ndarray(shape=self.columns.shape,
dtype=object)
for idx, column in enumerate(self.columns):
# fit LabelEncoder to get `classes_` for the column
le = LabelEncoder()
le.fit(dframe.loc[:, column].values)
# append the `classes_` to our ndarray container
self.all_classes_[idx] = (column,
np.array(le.classes_.tolist(),
dtype=object))
# append this column's encoder
self.all_encoders_[idx] = le
else:
# no columns specified; assume all are to be encoded
self.columns = dframe.iloc[:, :].columns
self.all_classes_ = np.ndarray(shape=self.columns.shape,
dtype=object)
for idx, column in enumerate(self.columns):
le = LabelEncoder()
le.fit(dframe.loc[:, column].values)
self.all_classes_[idx] = (column,
np.array(le.classes_.tolist(),
dtype=object))
self.all_encoders_[idx] = le
return self
def fit_transform(self, dframe):
"""
Fit label encoder and return encoded labels.
Access individual column classes via indexing
`self.all_classes_`
Access individual column encoders via indexing
`self.all_encoders_`
Access individual column encoded labels via indexing
`self.all_labels_`
"""
# if columns are provided, iterate through and get `classes_`
if self.columns is not None:
# ndarray to hold LabelEncoder().classes_ for each
# column; should match the shape of specified `columns`
self.all_classes_ = np.ndarray(shape=self.columns.shape,
dtype=object)
self.all_encoders_ = np.ndarray(shape=self.columns.shape,
dtype=object)
self.all_labels_ = np.ndarray(shape=self.columns.shape,
dtype=object)
for idx, column in enumerate(self.columns):
# instantiate LabelEncoder
le = LabelEncoder()
# fit and transform labels in the column
dframe.loc[:, column] =\
le.fit_transform(dframe.loc[:, column].values)
# append the `classes_` to our ndarray container
self.all_classes_[idx] = (column,
np.array(le.classes_.tolist(),
dtype=object))
self.all_encoders_[idx] = le
self.all_labels_[idx] = le
else:
# no columns specified; assume all are to be encoded
self.columns = dframe.iloc[:, :].columns
self.all_classes_ = np.ndarray(shape=self.columns.shape,
dtype=object)
for idx, column in enumerate(self.columns):
le = LabelEncoder()
dframe.loc[:, column] = le.fit_transform(
dframe.loc[:, column].values)
self.all_classes_[idx] = (column,
np.array(le.classes_.tolist(),
dtype=object))
self.all_encoders_[idx] = le
return dframe
def transform(self, dframe):
"""
Transform labels to normalized encoding.
"""
if self.columns is not None:
for idx, column in enumerate(self.columns):
dframe.loc[:, column] = self.all_encoders_[
idx].transform(dframe.loc[:, column].values)
else:
self.columns = dframe.iloc[:, :].columns
for idx, column in enumerate(self.columns):
dframe.loc[:, column] = self.all_encoders_[idx]\
.transform(dframe.loc[:, column].values)
return dframe.loc[:, self.columns].values
def inverse_transform(self, dframe):
"""
Transform labels back to original encoding.
"""
if self.columns is not None:
for idx, column in enumerate(self.columns):
dframe.loc[:, column] = self.all_encoders_[idx]\
.inverse_transform(dframe.loc[:, column].values)
else:
self.columns = dframe.iloc[:, :].columns
for idx, column in enumerate(self.columns):
dframe.loc[:, column] = self.all_encoders_[idx]\
.inverse_transform(dframe.loc[:, column].values)
return dframe
示例：
如果df和df_copy()是混合型pandas数据框，您可以通过以下方式将MultiColumnLabelEncoder()应用于dtype=object列：
# get `object` columns
df_object_columns = df.iloc[:, :].select_dtypes(include=['object']).columns
df_copy_object_columns = df_copy.iloc[:, :].select_dtypes(include=['object'].columns
# instantiate `MultiColumnLabelEncoder`
mcle = MultiColumnLabelEncoder(columns=object_columns)
# fit to `df` data
mcle.fit(df)
# transform the `df` data
mcle.transform(df)
# returns output like below
array([[1, 0, 0, ..., 1, 1, 0],
[0, 5, 1, ..., 1, 1, 2],
[1, 1, 1, ..., 1, 1, 2],
...,
[3, 5, 1, ..., 1, 1, 2],
# transform `df_copy` data
mcle.transform(df_copy)
# returns output like below (assuming the respective columns
# of `df_copy` contain the same unique values as that particular
# column in `df`
array([[1, 0, 0, ..., 1, 1, 0],
[0, 5, 1, ..., 1, 1, 2],
[1, 1, 1, ..., 1, 1, 2],
...,
[3, 5, 1, ..., 1, 1, 2],
# inverse `df` data
mcle.inverse_transform(df)
# outputs data like below
array([['August', 'Friday', '2013', ..., 'N', 'N', 'CA'],
['April', 'Tuesday', '2014', ..., 'N', 'N', 'NJ'],
['August', 'Monday', '2014', ..., 'N', 'N', 'NJ'],
...,
['February', 'Tuesday', '2014', ..., 'N', 'N', 'NJ'],
['April', 'Tuesday', '2014', ..., 'N', 'N', 'NJ'],
['March', 'Tuesday', '2013', ..., 'N', 'N', 'NJ']], dtype=object)
# inverse `df_copy` data
mcle.inverse_transform(df_copy)
# outputs data like below
array([['August', 'Friday', '2013', ..., 'N', 'N', 'CA'],
['April', 'Tuesday', '2014', ..., 'N', 'N', 'NJ'],
['August', 'Monday', '2014', ..., 'N', 'N', 'NJ'],
...,
['February', 'Tuesday', '2014', ..., 'N', 'N', 'NJ'],
['April', 'Tuesday', '2014', ..., 'N', 'N', 'NJ'],
['March', 'Tuesday', '2013', ..., 'N', 'N', 'NJ']], dtype=object)
您可以通过索引访问用于适合每列的各个列类，列标签和列编码器：
mcle.all_classes_
mcle.all_encoders_
mcle.all_labels_
答案 7 :(得分：3)
不，LabelEncoder不会这样做。它需要1-d类标签数组并生成1-d数组。它设计用于处理分类问题中的类标签，而不是任意数据，任何强制它进入其他用途的尝试都需要代码将实际问题转换为它解决的问题（并将解决方案转回原始空间）。
答案 8 :(得分：2)
使用Neuraxle
TLDR；您可以在这里使用 FlattenForEach 包装器类来简单地转换df，例如：
FlattenForEach(LabelEncoder(), then_unflatten=True).fit_transform(df)。
使用这种方法，您的标签编码器将能够在常规scikit-learn Pipeline内进行调整。让我们简单地导入：
from sklearn.preprocessing import LabelEncoder
from neuraxle.steps.column_transformer import ColumnTransformer
from neuraxle.steps.loop import FlattenForEach
相同的列共享编码器：
以下是一种将共享的LabelEncoder应用于所有数据进行编码的方法：
p = FlattenForEach(LabelEncoder(), then_unflatten=True)
结果：
p, predicted_output = p.fit_transform(df.values)
expected_output = np.array([
[6, 7, 6, 8, 7, 7],
[1, 3, 0, 1, 5, 3],
[4, 2, 2, 4, 4, 2]
]).transpose()
assert np.array_equal(predicted_output, expected_output)
每列不同的编码器：
这是将第一个独立的LabelEncoder应用到宠物上，然后将第二个共享给列所有者和位置的方式。因此，确切地说，我们在这里混合使用不同和共享的标签编码器：
p = ColumnTransformer([
# A different encoder will be used for column 0 with name "pets":
(0, FlattenForEach(LabelEncoder(), then_unflatten=True)),
# A shared encoder will be used for column 1 and 2, "owner" and "location":
([1, 2], FlattenForEach(LabelEncoder(), then_unflatten=True)),
], n_dimension=2)
结果：
p, predicted_output = p.fit_transform(df.values)
expected_output = np.array([
[0, 1, 0, 2, 1, 1],
[1, 3, 0, 1, 5, 3],
[4, 2, 2, 4, 4, 2]
]).transpose()
assert np.array_equal(predicted_output, expected_output)
答案 9 :(得分：2)
可以直接在pandas中完成所有操作，非常适合replace方法的独特功能。
首先，让我们创建一个字典词典，将列及其值映射到新的替换值。
transform_dict = {}
for col in df.columns:
cats = pd.Categorical(df[col]).categories
d = {}
for i, cat in enumerate(cats):
d[cat] = i
transform_dict[col] = d
transform_dict
{'location': {'New_York': 0, 'San_Diego': 1},
'owner': {'Brick': 0, 'Champ': 1, 'Ron': 2, 'Veronica': 3},
'pets': {'cat': 0, 'dog': 1, 'monkey': 2}}
由于这将始终是一对一的映射，我们可以反转内部字典以获取新值的映射回原始值。
inverse_transform_dict = {}
for col, d in transform_dict.items():
inverse_transform_dict[col] = {v:k for k, v in d.items()}
inverse_transform_dict
{'location': {0: 'New_York', 1: 'San_Diego'},
'owner': {0: 'Brick', 1: 'Champ', 2: 'Ron', 3: 'Veronica'},
'pets': {0: 'cat', 1: 'dog', 2: 'monkey'}}
现在，我们可以使用replace方法的独特功能来获取嵌套的字典列表，并使用外键作为列，将内部键作为我们想要替换的值。
df.replace(transform_dict)
location owner pets
0 1 1 0
1 0 2 1
2 0 0 0
3 1 1 2
4 1 3 1
5 0 2 1
我们可以通过再次链接replace方法
df.replace(transform_dict).replace(inverse_transform_dict)
location owner pets
0 San_Diego Champ cat
1 New_York Ron dog
2 New_York Brick cat
3 San_Diego Champ monkey
4 San_Diego Veronica dog
5 New_York Ron dog
答案 10 :(得分：2)
经过大量搜索和实验，并在此处和其他地方找到了一些答案，我认为您的答案是here：
pd.DataFrame（columns = df.columns， data = LabelEncoder（）。fit_transform（df.values.flatten（））。reshape（df.shape））
这将跨列保留类别名称：
import pandas as pd
from sklearn.preprocessing import LabelEncoder
df = pd.DataFrame([['A','B','C','D','E','F','G','I','K','H'],
['A','E','H','F','G','I','K','','',''],
['A','C','I','F','H','G','','','','']],
columns=['A1', 'A2', 'A3','A4', 'A5', 'A6', 'A7', 'A8', 'A9', 'A10'])
pd.DataFrame(columns=df.columns, data=LabelEncoder().fit_transform(df.values.flatten()).reshape(df.shape))
A1 A2 A3 A4 A5 A6 A7 A8 A9 A10
0 1 2 3 4 5 6 7 9 10 8
1 1 5 8 6 7 9 10 0 0 0
2 1 3 9 6 8 7 0 0 0 0
答案 11 :(得分：2)
我检查了LabelEncoder的源代码（https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/preprocessing/label.py）。它基于一组numpy转换，其中一个是np.unique（）。并且此功能仅需要一维数组输入。 （如果我错了，请纠正我）。
非常粗糙的想法... 首先，确定需要LabelEncoder的列，然后遍历每一列。
def cat_var(df):
"""Identify categorical features.
Parameters
----------
df: original df after missing operations
Returns
-------
cat_var_df: summary df with col index and col name for all categorical vars
"""
col_type = df.dtypes
col_names = list(df)
cat_var_index = [i for i, x in enumerate(col_type) if x=='object']
cat_var_name = [x for i, x in enumerate(col_names) if i in cat_var_index]
cat_var_df = pd.DataFrame({'cat_ind': cat_var_index,
'cat_name': cat_var_name})
return cat_var_df
from sklearn.preprocessing import LabelEncoder
def column_encoder(df, cat_var_list):
"""Encoding categorical feature in the dataframe
Parameters
----------
df: input dataframe
cat_var_list: categorical feature index and name, from cat_var function
Return
------
df: new dataframe where categorical features are encoded
label_list: classes_ attribute for all encoded features
"""
label_list = []
cat_var_df = cat_var(df)
cat_list = cat_var_df.loc[:, 'cat_name']
for index, cat_feature in enumerate(cat_list):
le = LabelEncoder()
le.fit(df.loc[:, cat_feature])
label_list.append(list(le.classes_))
df.loc[:, cat_feature] = le.transform(df.loc[:, cat_feature])
return df, label_list
返回的 df 将是编码后的那个，而 label_list 将在相应的列中显示所有这些值的含义。 这是我为工作而编写的数据处理脚本的摘录。如果您认为有任何进一步的改进，请告诉我。
编辑： 在这里只想提一下，上面的方法在处理数据框架时不会错过最好的方法。不知道它是如何工作的数据帧包含丢失的数据。 （在执行上述方法之前，我已经处理了缺少的程序）
答案 12 :(得分：1)
如果数据框中有数据和分类两种类型的数据 您可以使用：此处X是我的数据框，具有分类和数字两个变量
from sklearn import preprocessing
le = preprocessing.LabelEncoder()
for i in range(0,X.shape[1]):
if X.dtypes[i]=='object':
X[X.columns[i]] = le.fit_transform(X[X.columns[i]])
注意：如果您对转换它们不感兴趣，这种方法很有用。
答案 13 :(得分：1)
如果您具有类型对象的所有功能，那么上面写的第一个答案就很好https://stackoverflow.com/a/31939145/5840973。
但是，假设我们有混合类型的列。然后，我们可以以编程方式获取类型对象类型的功能名称列表，然后对其进行标签编码。
#Fetch features of type Object
objFeatures = dataframe.select_dtypes(include="object").columns
#Iterate a loop for features of type object
from sklearn import preprocessing
le = preprocessing.LabelEncoder()
for feat in objFeatures:
dataframe[feat] = le.fit_transform(dataframe[feat].astype(str))
dataframe.info()
答案 14 :(得分：1)
跟进关于@PriceHardman解决方案的评论我会提出以下版本的课程：
class LabelEncodingColoumns(BaseEstimator, TransformerMixin):
def __init__(self, cols=None):
pdu._is_cols_input_valid(cols)
self.cols = cols
self.les = {col: LabelEncoder() for col in cols}
self._is_fitted = False
def transform(self, df, **transform_params):
"""
Scaling ``cols`` of ``df`` using the fitting
Parameters
----------
df : DataFrame
DataFrame to be preprocessed
"""
if not self._is_fitted:
raise NotFittedError("Fitting was not preformed")
pdu._is_cols_subset_of_df_cols(self.cols, df)
df = df.copy()
label_enc_dict = {}
for col in self.cols:
label_enc_dict[col] = self.les[col].transform(df[col])
labelenc_cols = pd.DataFrame(label_enc_dict,
# The index of the resulting DataFrame should be assigned and
# equal to the one of the original DataFrame. Otherwise, upon
# concatenation NaNs will be introduced.
index=df.index
)
for col in self.cols:
df[col] = labelenc_cols[col]
return df
def fit(self, df, y=None, **fit_params):
"""
Fitting the preprocessing
Parameters
----------
df : DataFrame
Data to use for fitting.
In many cases, should be ``X_train``.
"""
pdu._is_cols_subset_of_df_cols(self.cols, df)
for col in self.cols:
self.les[col].fit(df[col])
self._is_fitted = True
return self
此类适合训练集上的编码器，并在转换时使用拟合版本。可以找到代码的初始版本here。
答案 15 :(得分：1)
如果我们有单列来进行标签编码及其逆变换，那么当python中有多个列时，它很容易做到这一点
def stringtocategory(dataset):
'''
@author puja.sharma
@see The function label encodes the object type columns and gives label encoded and inverse tranform of the label encoded data
@param dataset dataframe on whoes column the label encoding has to be done
@return label encoded and inverse tranform of the label encoded data.
'''
data_original = dataset[:]
data_tranformed = dataset[:]
for y in dataset.columns:
#check the dtype of the column object type contains strings or chars
if (dataset[y].dtype == object):
print("The string type features are : " + y)
le = preprocessing.LabelEncoder()
le.fit(dataset[y].unique())
#label encoded data
data_tranformed[y] = le.transform(dataset[y])
#inverse label transform data
data_original[y] = le.inverse_transform(data_tranformed[y])
return data_tranformed,data_original
答案 16 :(得分：0)
主要使用@Alexander答案，但必须进行一些更改-
cols_need_mapped = ['col1', 'col2']
mapper = {col: {cat: n for n, cat in enumerate(df[col].astype('category').cat.categories)}
for col in df[cols_need_mapped]}
for c in cols_need_mapped :
df[c] = df[c].map(mapper[c])
然后在将来重复使用，您只需将输出保存到json文档中，并在需要时将其读入并像上面一样使用.map()函数。
答案 17 :(得分：0)
问题在于您要传递给fit函数的数据（pd数据帧）的形状。 您必须通过一维列表。
答案 18 :(得分：0)
使用LabelEncoder()的{{1}}多个列的简短方法：
dict()您可以使用此from sklearn.preprocessing import LabelEncoder
le_dict = {col: LabelEncoder() for col in columns }
for col in columns:
le_dict[col].fit_transform(df[col])
标记任何其他列的编码：
le_dict答案 19 :(得分：0)
import pandas as pd
from sklearn.preprocessing import LabelEncoder
train=pd.read_csv('.../train.csv')
#X=train.loc[:,['waterpoint_type_group','status','waterpoint_type','source_class']].values
# Create a label encoder object
def MultiLabelEncoder(columnlist,dataframe):
for i in columnlist:
labelencoder_X=LabelEncoder()
dataframe[i]=labelencoder_X.fit_transform(dataframe[i])
columnlist=['waterpoint_type_group','status','waterpoint_type','source_class','source_type']
MultiLabelEncoder(columnlist,train)
在这里，我正在从位置读取一个csv，并且在功能中，我传递了我要标签编码的列列表和我要应用的数据框。
答案 20 :(得分：0)
怎么样？
def MultiColumnLabelEncode(choice, columns, X):
LabelEncoders = []
if choice == 'encode':
for i in enumerate(columns):
LabelEncoders.append(LabelEncoder())
i=0
for cols in columns:
X[:, cols] = LabelEncoders[i].fit_transform(X[:, cols])
i += 1
elif choice == 'decode':
for cols in columns:
X[:, cols] = LabelEncoders[i].inverse_transform(X[:, cols])
i += 1
else:
print('Please select correct parameter "choice". Available parameters: encode/decode')
它不是最有效的，但是它可以工作并且非常简单。
答案 21 :(得分：0)
我们可以使用scikit learning中的LabelEncoder来代替OrdinalEncoder，它可以进行多列编码。
将分类特征编码为整数数组。 该转换器的输入应为整数或字符串之类的数组，表示分类（离散）特征所采用的值。要素将转换为序数整数。这样会导致每个功能的一列整数（0到n_categories-1）。
>>> from sklearn.preprocessing import OrdinalEncoder
>>> enc = OrdinalEncoder()
>>> X = [['Male', 1], ['Female', 3], ['Female', 2]]
>>> enc.fit(X)
OrdinalEncoder()
>>> enc.categories_
[array(['Female', 'Male'], dtype=object), array([1, 2, 3], dtype=object)]
>>> enc.transform([['Female', 3], ['Male', 1]])
array([[0., 2.],
[1., 0.]])
说明和示例均从其文档页面复制而来，您可以在此处找到它：
- 我写了这段代码，但我无法理解我的错误
- 我无法从一个代码实例的列表中删除 None 值，但我可以在另一个实例中。为什么它适用于一个细分市场而不适用于另一个细分市场？
- 是否有可能使 loadstring 不可能等于打印？卢阿
- java中的random.expovariate()
- Appscript 通过会议在 Google 日历中发送电子邮件和创建活动
- 为什么我的 Onclick 箭头功能在 React 中不起作用？
- 在此代码中是否有使用“this”的替代方法？
- 在 SQL Server 和 PostgreSQL 上查询，我如何从第一个表获得第二个表的可视化
- 每千个数字得到
- 更新了城市边界 KML 文件的来源？