有啥方法可以在 Python pandas 中获取标签编码器的映射？

Posted 2023-02-16

【中文标题】有啥方法可以在 Python pandas 中获取标签编码器的映射？

【英文标题】：Any way to get mappings of a label encoder in Python pandas?有什么方法可以在 Python pandas 中获取标签编码器的映射？

【发布时间】：2017-06-30 23:56:52

【问题描述】：

我正在使用以下代码将字符串转换为数据集中的分类值。

data['weekday'] = pd.Categorical.from_array(data.weekday).labels 

例如，

index    weekday
0        Sunday
1        Sunday
2        Wednesday
3        Monday
4        Monday
5        Thursday
6        Tuesday

对工作日进行编码后，我的数据集如下所示：

index    weekday
    0       3
    1       3
    2       6
    3       1
    4       1
    5       4
    6       5

有什么方法可以知道星期日被映射到 3，星期三被映射到 6 等等？

【参考方案1】：

即使有很多答案可以专门回答这个 OP 问题，我仍在添加我的答案：

如果您已经将您的值标记为：

from sklearn import preprocessing
le = preprocessing.LabelEncoder()
le.fit('column-or-list-of-values')

你可以得到值到整数代码的映射：

dict(zip(le.classes_,range(len(le.classes_))))

【参考方案2】：

很简单，他们有一个内置函数。

from sklearn import preprocessing
le = preprocessing.LabelEncoder()
..
# your model steps and when you have results
..

prediction_decoded = le.inverse_transform(prediction_encoded)
print(prediction_decoded)

【参考方案3】：

train['cat'] = train['cat'].map(list(train['cat'].value_counts().to_frame().reset_index().reset_index().set_index('index').to_dict().values())[0])

【讨论】：

如果您解释了您提供的代码如何回答问题，这将是一个更好的答案。

【参考方案4】：

如果您在数据框中有数字和分类两种类型的数据 您可以使用：这里 X 是我的数据框，具有分类和数值两个变量

from sklearn import preprocessing
le = preprocessing.LabelEncoder()

for i in range(0,X.shape[1]):
    if X.dtypes[i]=='object':
        X[X.columns[i]] = le.fit_transform(X[X.columns[i]])

或者你可以试试这个：

from sklearn.preprocessing import LabelEncoder

le = LabelEncoder()
data = data.apply(le.fit_transform)

注意：如果您对将它们转换回来不感兴趣，这种技术很好。

【讨论】：

但问题正是在返回转换的路上...... :)

【参考方案5】：

一种简单而优雅的方式来做同样的事情。

cat_list = ['Sun', 'Sun', 'Wed', 'Mon', 'Mon']
encoded_data, mapping_index = pd.Series(cat_list).factorize()

您已经完成了，请查看下方

print(encoded_data)
print(mapping_index)
print(mapping_index.get_loc("Mon"))

【讨论】：

如果您不知道数据中有哪些不同的值，创建硬编码值列表可能会泄漏。但是，LabelEncoder() 可以处理任何出现的问题。

【参考方案6】：

有很多方法可以做到这一点。您可以考虑pd.factorize、sklearn.preprocessing.LabelEncoder 等。但是，在这种特定情况下，您有两个最适合您的选择：

你可以按照自己的方式添加分类：

pd.Categorical( df.weekday, [ 
    'Sunday', 'Monday', 'Tuesday', 
    'Wednesday', 'Thursday', 'Friday', 
    'Saturday']  ).labels

另一种选择是直接使用 dict 映射值

df.weekday.map(
    'Sunday': 0,
    'Monday': 1,
     # ... and so on. You get the idea ...
)

【参考方案7】：

您可以使用映射创建额外的字典：

from sklearn import preprocessing
le = preprocessing.LabelEncoder()
le.fit(data['name'])
le_name_mapping = dict(zip(le.classes_, le.transform(le.classes_)))
print(le_name_mapping)
'Tom': 0, 'Nick': 1, 'Kate': 2

【讨论】：

如何处理跨多个列的标签编码？

【参考方案8】：

最好的方法是使用 sklearn 库的标签编码器。

类似这样的：

from sklearn import preprocessing
le = preprocessing.LabelEncoder()
le.fit(["paris", "paris", "tokyo", "amsterdam"])
list(le.classes_)
le.transform(["tokyo", "tokyo", "paris"])
list(le.inverse_transform([2, 2, 1]))

【讨论】：

据我了解- le.classes_ 需要在转换所需列以获取实际值后进行实例化，如果您使用 le.classes_ 说一个具有多个列编码的数据帧如果使用 lambda 函数，则 le.classes_ 仅恢复编码的最后一列的字典映射。这是为什么呢？

有什么办法可以持久化编码器吗？所以我们可以部署它？

【参考方案9】：

首先，做一个分类系列：

weekdays = pd.Series(['Sun', 'Sun', 'Wed', 'Mon', 'Mon']).astype('category')

然后，检查它的“类别”：

weekdays.cat.categories.get_loc('Sun')