Question

我在Kaggle（https://www.kaggle.com/c/titanic/data）上玩Titanic数据集，我想使用sklearn.preprocessing中的LabelEncoder来改变Sex，最初将其标记为“男性”或“女性”为“0”或“ 1。我有以下四行代码，

import pandas as pd
from sklearn.preprocessing import LabelEncoder
df = pd.read_csv('titanic.csv')
df['Sex'] = LabelEncoder.fit_transform(df['Sex'])

但是当我运行它时，我收到以下错误消息：

TypeError: fit_transform() missing 1 required positional argument: 'y'

错误来自第4行，即

df['Sex'] = LabelEncoder.fit_transform(df['Sex'])

我想知道这里出了什么问题。虽然我知道我也可以使用map进行转换，这可能更简单，但我仍然想知道我对LabelEncoder的使用有什么问题。

Answer 1

尝试使用以下link to sklearn。 LabelEncoder是一个实用程序类，需要使用LabelEncoder()创建对象：

le = LabelEncoder()
df['Sex'] = le.fit_transform(df['Sex'])

使用示例进行测试：

# create test series
gender = pd.Series(['male', 'female', 'male'])

le = LabelEncoder()
transformed_val = le.fit_transform(gender)

# checking result after using label encoder
print(transformed_val)

结果：

[1 0 1]

Answer 2

您只是错过了初始化()实例的LabelEncoder。

这将有效：LabelEncoder().fit_transform(df['Sex'])

话虽如此，0p3n5ourcE的例子更传统，也是处理对象的更简洁方法。

LabelEncoder.fit_transform（）的类型错误

2 个答案: