Question

我一直在尝试使用Anaconda发行版学习Python 3.6。我已经使用了我正在使用的在线课程的内容，并且可以使用一些帮助来处理一些错误消息。我问过课程的导师，但他们似乎对学生提出的问题没有反应。

我在处理用于重新编码分类数据的三个主要类时遇到了一些麻烦。据我了解，有三个类用于重新编码变量的scikitlearn包：LabelEncoder，OneHotEncoder和LabelBinarizer。我试图使用每个来重新编码数据集中的分类变量，但不断为每个变量获取错误。

请原谅我对样本代码的相对无效性。正如人们可能已经猜到我的问题的基础，我不熟悉python。

对象X包含几列，第一列是我需要转换的分类字符串（如果有人也可以告诉我如何插入表格，那将是有帮助的。我是否必须使用HTML？）：

＆＃34;鱼＆＃34; 1 5 3
＆＃34;狗＆＃34; 2 6 9
＆＃34;狗＆＃34; 8 8 8
＆＃34;目录＆＃34; 5 7 6
＆＃34;目录＆＃34; 6 6 6

标签编码器尝试

下面是我试图实现的代码，以及我收到的对象X的错误消息，它大致具有我上面描述的属性。

from sklearn.preprocessing import LabelEncoder
labelencoder_X =LabelEncoder 
X[:, 0] = LabelEncoder.fit_transform(X[:, 0])

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

扔我的是我认为上面的代码清楚地定义了y是X的第一列。

OneHotEncoder

from sklearn.preprocessing import OneHotEncoder 
onehotencoder = OneHotEncoder(categorical_features=[0]) 
X = onehotencoder.fit_transform[X].toarray()

TypeError: 'method' object is not subscriptable

标签二进制文件

我发现这个最难理解，实际上无法根据数据集的结构进行尝试。

您可以提供的任何指导或建议都将无穷无尽。

Answer 1

让我们一步一步来。

首先加载您在名为X

的numpy数组中显示的数据

import numpy as np
X = np.array([["Fish", 1, 5, 3],
              ["Dog",  2, 6, 9],
              ["Dog",  8, 8, 8],
              ["Cat",  5, 7, 6],
              ["Cat",  6, 6, 6]])

现在试试你的代码。

1）LabelEncoder

from sklearn.preprocessing import LabelEncoder
labelencoder_X =LabelEncoder 
X[:, 0] = LabelEncoder.fit_transform(X[:, 0])

你在这里做的错误是你使用类LabelEncoder作为对象，在其上调用fit_transform。所以通过以下方式纠正：

from sklearn.preprocessing import LabelEncoder
labelencoder_X =LabelEncoder()
X[:, 0] = labelencoder_X.fit_transform(X[:, 0])

请参阅上面第2行和第3行中的更改。首先，我通过调用labelencoder_X创建LabelEncoder类的对象LabelEncoder()，然后使用该对象通过labelencoder_X.fit_transform()调用fit_transform（）。然后这段代码不会给出任何错误，新的X是：

Output:
array([['2', '1', '5', '3'],
       ['1', '2', '6', '9'],
       ['1', '8', '8', '8'],
       ['0', '5', '7', '6'],
       ['0', '6', '6', '6']], dtype='|S4')

看到第一列已成功更改。

2）OneHotEncoder

您的代码：

from sklearn.preprocessing import OneHotEncoder 
onehotencoder = OneHotEncoder(categorical_features=[0]) 
X = onehotencoder.fit_transform[X].toarray()

现在，您没有在LabelEncoder中犯下错误。您正在通过调用OneHotEncoder(...)正确初始化对象。但是你使用fit_transform[X]犯了一个错误。您看到fit_transform是一种方法，应该使用圆括号来调用，如下所示：fit_transform()。

有关错误的详细信息，请参阅this question。

正确的代码应该是：

from sklearn.preprocessing import OneHotEncoder 
onehotencoder = OneHotEncoder(categorical_features=[0]) 
X = onehotencoder.fit_transform(X).toarray()

Output: 
array([[0., 0., 1., 1., 5., 3.],
       [0., 1., 0., 2., 6., 9.],
       [0., 1., 0., 8., 8., 8.],
       [1., 0., 0., 5., 7., 6.],
       [1., 0., 0., 6., 6., 6.]])

注意：应该在X上调用上面的代码，这些代码已经使用LabelEncoder进行了转换。如果你在原版X上使用它，它仍会抛出错误。

3）LabelBinarizer 这与LabelEncoder没有什么不同，只是它会对提供的列进行单热编码。

from sklearn.preprocessing import LabelBinarizer
labelencoder_X =LabelBinarizer()
new_binarized_val = labelencoder_X.fit_transform(X[:, 0])

Output:
array([[0, 0, 1],
       [0, 1, 0],
       [0, 1, 0],
       [1, 0, 0],
       [1, 0, 0]])

注意：我在问题的原始X上使用的LabelBinarizer代码，而不是已编码的代码。输出只显示第一列的二值化形式。

希望这能使事情变得清晰。

在Python

1 个答案: