Question

我在数据集中有一个列，它有分类值，我想用数值转换它们。我正在尝试使用LabelEncoder，但是这样做会出错。

from sklearn.preprocessing import LabelEncoder
m = hsp_train["Alley"]
m_enc = LabelEncoder()
j = m_enc.fit_transform(m)

我收到错误：

unorderable类型：float（）＆gt; STR（）

列中的系列有3个值。我希望它们分别为0,1,2，但我收到了这个错误。

我也试过这个：

l = hsp_train["Alley"]
l_enc = pd.factorize(l)
hsp_train["Alley"] = l_enc[0]

但这给了我值-1,1,2。我不希望它从1开始。

Answer 1

很明显，你的系列中缺少值。如果您要从系列中删除NaN值，请执行hsp_train["Alley"].dropna()

<强>插图：

df = pd.DataFrame({'Categorical': ['apple', 'mango', 'apple', 
                                   'orange', 'mango', 'apple', 
                                   'orange', np.NaN]})

使用LabelEncoder对分类标签进行编码：

enc = LabelEncoder()
enc.fit_transform(df['Categorical'])

给出：

TypeError：unorderable类型：float（）＆gt; STR（）

默认情况下，pd.factorize会自动为缺失值指定-1，因此您可以获得这些值：

pd.factorize(df['Categorical'])[0]
array([ 0,  1,  0,  2,  1,  0,  2, -1])

如果您不希望识别NAN值并将其视为任何字符串，则可以在使用na_filter阅读流程时执行此操作：

df = pd.read_csv(data, na_filter=False, ...)

它还提高了大幅读取相对较大文件的性能。

或者，您可以使用NaN将所有fillna值填充到您选择的所需字符串中：

df.fillna('Na', inplace=True)

这会将所有NaN值替换为字符串值“Na”，您可以像以前一样继续。

使用LabelEncoder为scikitlearn中的一系列

1 个答案: