sklearn LabelEncoder中的标签不一致？

Question

我在数据框上应用了LabelEncoder()，返回以下内容：

  

order/new_cart具有不同的标签编码数字，例如70, 64, 71, etc

这是不一致的标签，还是我在某处做错了什么？

Answer 1

LabelEncoder适用于一维数组。如果将其应用于多个列，则它将在列中保持一致，但不能跨列。

作为一种解决方法，您可以将数据帧转换为一维数组，并在该数组上调用LabelEncoder。

假设这是数据帧：

df
Out[372]: 
   0  1  2
0  d  d  a
1  c  a  c
2  c  c  b
3  e  e  d
4  d  d  e
5  d  b  e
6  e  e  b
7  a  e  b
8  b  c  c
9  e  a  b

用ravel然后重塑：

pd.DataFrame(LabelEncoder().fit_transform(df.values.ravel()).reshape(df.shape), columns = df.columns)
Out[373]: 
   0  1  2
0  3  3  0
1  2  0  2
2  2  2  1
3  4  4  3
4  3  3  4
5  3  1  4
6  4  4  1
7  0  4  1
8  1  2  2
9  4  0  1

编辑：

如果要存储标签，则需要保存LabelEncoder对象。

le = LabelEncoder()
df2 = pd.DataFrame(le.fit_transform(df.values.ravel()).reshape(df.shape), columns = df.columns)

现在，le.classes_为您提供了类（从0开始）。

le.classes_
Out[390]: array(['a', 'b', 'c', 'd', 'e'], dtype=object)

如果要按标签访问整数，可以构造一个dict：

dict(zip(le.classes_, np.arange(len(le.classes_))))
Out[388]: {'a': 0, 'b': 1, 'c': 2, 'd': 3, 'e': 4}

您可以使用transform方法执行相同操作，而无需构建dict：

le.transform('c')
Out[395]: 2

Answer 2

您的LabelEncoder对象正在重新适合您的DataFrame的每一列。

由于apply和fit_transform函数的工作方式，您不小心在框架的每一列上调用了fit函数。让我们来看看发生在以下行中的最新情况：

labeled_df = String_df.apply(LabelEncoder().fit_transform)

1. 创建新的LabelEncoder对象
2. 调用apply传递fit_transform方法。对于DataFrame中的每一列，它会在编码器上调用fit_transform作为参数传入列。这样做有两件事：
   A.重新安装编码器（修改其状态） B.根据您的编码器新配件返回列的元素代码。

代码在列之间不一致，因为每次调用fit_transform时，LabelEncoder对象都可以选择新的转换代码。

如果您希望代码在列之间保持一致，则应将LabelEncoder与整个数据集相匹配。

然后将transform函数传递给apply函数，而不是fit_transform函数。您可以尝试以下方法：

encoder = LabelEncoder()
all_values = String_df.values.ravel() #convert the dataframe to one long array
encoder.fit(all_values)
labeled_df = String_df.apply(encoder.transform)