在数据框的列上使用 sklearn 的 LabelEncoder

Posted 2023-03-12

【中文标题】在数据框的列上使用 sklearn 的 LabelEncoder

【英文标题】：Using sklearn's LabelEncoder on a column of a dataframe

【发布时间】：2018-09-10 15:19:33

【问题描述】：

如果我有一个数据框，比如说 df，如果

df["levels"] = pd.Series(["low", "low", "med", "low", "med", "high"])

有没有办法将其更改为：

df["levels"] = pd.Series([0,0,1,0,1,2])

我尝试使用 preprocessing.LabelEncoder() 来转换它，但它只是折叠成 [0,1,2]。我知道我可以用 for 循环来做到这一点，但是如果已经有一些工具可以做到这一点，那就太好了。感谢任何帮助！

【问题讨论】：

崩溃是什么意思？请出示您的代码

【参考方案1】：

有两种方法.. op1category

pd.Series(["low", "low", "med", "low", "med", "high"]).astype('category').cat.codes
Out[1454]: 
0    1
1    1
2    2
3    1
4    2
5    0
dtype: int8

op2factorize

pd.factorize(pd.Series(["low", "low", "med", "low", "med", "high"]))[0]
Out[1455]: array([0, 0, 1, 0, 1, 2], dtype=int64)

【参考方案2】：

我不确定您如何使用 sklearn 对字符串列进行编码，因为原始帖子中未包含该内容。但是，您可以按照以下步骤使用LabelEncoder()

from sklearn.preprocessing import LabelEncoder

le = LabelEncoder()
le.fit(df.levels.unique())
df.levels = le.transform(df.levels)

---

   levels
0       1
1       1
2       2
3       1
4       2
5       0

【讨论】：

我会使用：le.fit(df.levels.unique()) 还是 le.fit(df["levels"].unique())？

@Ammastaro，你可以使用任何一个