如何对多个不连续的数据框列进行标签编码

Question

我有一个带有多个列的熊猫数据框（其中一些不连续），需要对其进行标签编码。根据我对LabelEncoder类的理解，对于每一列，我将需要使用不同的LabelEncoder对象。我正在使用下面的代码（下面的代码中的list_of_string_cols是所有需要标签编码的列的列表）

for col in list_of_string_cols:
      labelenc = LabelEncoder()
      train_X[col] = labelenc.fit_transform(train_X[col])
      test_X[col] = labelenc.transform(test_X[col])

这是正确的方法吗？

Answer 1

是的，这是正确的。

由于LabelEncoder最初主要用于处理标签而不是功能，因此它一次仅允许一列。

直到当前版本的scikit-learn（0.19.2），您正在使用的是对多列进行编码的正确方法。看到这个问题，它也会做您正在做的事情：

• Label encoding across multiple columns in scikit-learn

从下一版本（0.20）开始，OrdinalEncoder可用于一次编码所有分类特征列。