LabelEncoder 和OneHotEncoder

Posted 2023-04-06

参考技术A 功能：都是可以将不连续的数字或文本（类别特征）转为数字。
在sklearn中都支持，
from sklearn.preprocessing import LabelEncoder, OneHotEncoder

区别：
labelencoder将特征转化为一列数字。 数字可以很大。
如： red blue yellow black 0 1 2 3

onehotencoder:将一列文本数据转化为一列或多列只用0 1表示的数据
如： red blue yellow black （100，001，100，010)
类似于只可二进制数字表示

使用 labelEncoder 时输入形状错误

【中文标题】使用 labelEncoder 时输入形状错误

【英文标题】：bad input shape when using labelEncoder

【发布时间】：2020-12-16 17:13:57

【问题描述】：

我有一个相当大的数据框，其中包含数值和分类值。我正在尝试对分类值进行编码，但出现上述错误。

这是一个简单版本的代码：

from collections import defaultdict
d = defaultdict(LabelEncoder)
# Encoding the variable
fit = df[catgoricalValues].apply(lambda x: d[x.name].fit_transform(df[catgoricalValues]))

我正在使用here 描述的方法，但我没有将其应用于整个数据帧，而是指定了要编码的列。

我收到此错误：

ValueError: bad input shape (490546, 11)

【问题讨论】：

这能回答你的问题吗？ Label encoding across multiple columns in scikit-learn

【参考方案1】：

更新

似乎您正在尝试将 LabelEncoder 应用于多个列； 虽然你可以apply the same LabelEncoder to all columns;

from sklearn.preprocessing import LabelEncoder

encoded = df[categoricalVal].apply(LabelEncoder().fit_transform)

最好为每一列使用一个新的编码器。上面的链接应该会为您提供解决方案。

【讨论】：

我收到了同样的错误 - ValueError: bad input shape (490546, 11)

感谢您的更新。有没有更好的方法来做我想做的事情？我只有一个分类值列表，我想将它们全部编码（然后稍后反转编码）。当我运行您的代码时，出现此错误 - TypeError: argument must be a string or number

好的，你能提供一个你的数据集的小例子吗？