LabelEncoder和zip python的问题

Question

我有一堆列表y1,y2..yn，每个列表包含属于多个类的字符串实例。我希望将它们编码为用于训练LSTM的数值类。我在想的是：

from sklearn.preprocessing import LabelEncoder
enc1 = LabelEncoder()
enc2 = LabelEncoder()
enc3 = LabelEncoder()

encoders = [enc1, enc2, enc3]
labels = [y1, y2, y3]

for i,j in zip(encoders, labels):
    j = i.fit_transform(j)

但是，当我尝试时，输出仍然是所有列表的相同字符串类：

print(format(Counter(y2)))
# Out: Counter({'m': 125585, 'f': 52589})

仅在单独编码时，LabelEncoder似乎有效，显示整数类：

y2 = enc2.fit_transform(y2)
print(format(Counter(y2)))
# Out: Counter({1: 52589, 0: 125585})

zip方法可能会出现什么问题？

Answer 1

更清洁，更智能的解决方案是列表理解：

transformed = [i.fit_transform(j) for i, j in zip(encoders, labels)]

...这样可以避免在循环中重复j的错误。