我想知道sklearn LabelEncoder与pandas get_dummies之间的区别。为什么选择LabelEncoder而不是get_dummies。使用一个在另一个上的优势是什么？缺点是什么？
据我所知，如果我有A级
ClassA = ["Apple", "Ball", "Cat"]
encoder = [1, 2, 3]
和
dummy = [001, 010, 100]
我是否理解错误？
答案 0 :(得分：7)
这些只是便利功能，分别属于这两个库倾向于做事的方式。第一个＆＃34;浓缩＆＃34;通过将事物改变为整数来实现信息，第二个事物扩展到＃34;尺寸允许（可能）更方便的访问。
sklearn.preprocessing.LabelEncoder只是转换来自任何域的数据，以便其域 0，...，k - 1 ，其中 k 是数字课程。
所以，例如
["paris", "paris", "tokyo", "amsterdam"]
可能会成为
[0, 0, 1, 2]
pandas.get_dummies也会使用来自某个域的元素的系列，但会将其展开为DataFrame，其列对应于系列中的条目，值取决于它们原来的值为0或1。所以，例如，相同的
["paris", "paris", "tokyo", "amsterdam"]
将成为带标签
的DataFrame["paris", "tokyo", "amsterdam"]
并且其"paris"条目将是系列
[1, 1, 0, 0]
第一种方法的主要优点是节省空间。相反，将事物编码为整数可能会给您（对您或某些机器学习算法）的印象，即订单意味着什么。是＆＃34;阿姆斯特丹＆＃34;更接近＆＃34; tokyo＆＃34;而不是＆＃34;巴黎＆＃34;只是因为整数编码？可能不是。第二种表示方式更加清晰。
答案 1 :(得分：3)
pandas.get_dummies是单热编码，但sklearn.preprocessing.LabelEncoder是增量编码，例如0,1,2,3,4，......
单热编码更适合机器学习。因为标签彼此独立，例如2并不意味着该值的两倍。
如果训练集和测试集具有相同功能的不同类别数，请参阅Keep same dummy variable in training and testing data获取两个解决方案。