LabelEncoder指定DataFrame中的类

Question

我正在应用LabelEncoder到pandas DataFrame, df

Feat1  Feat2  Feat3  Feat4  Feat5
  A      A      A      A      E
  B      B      C      C      E
  C      D      C      C      E
  D      A      C      D      E

我将标签编码器应用到这样的数据帧-

from sklearn import preprocessing
le = preprocessing.LabelEncoder()
intIndexed = df.apply(le.fit_transform)

标签是这样映射的

A = 0
B = 1
C = 2
D = 3
E = 0

我猜E没有给定4的值，因为它没有出现在Feat 5以外的任何其他列中。

我希望E被给予4的值-但不知道如何在DataFrame中做到这一点。

Answer 1

您可以将标签编码器fit，然后将标签transform转换为它们的标准化编码，如下所示:

In [4]: from sklearn import preprocessing
   ...: import numpy as np
In [5]: le = preprocessing.LabelEncoder()
In [6]: le.fit(np.unique(df.values))
Out[6]: LabelEncoder()
In [7]: list(le.classes_)
Out[7]: ['A', 'B', 'C', 'D', 'E']
In [8]: df.apply(le.transform)
Out[8]: 
   Feat1  Feat2  Feat3  Feat4  Feat5
0      0      0      0      0      4
1      1      1      2      2      4
2      2      3      2      2      4
3      3      0      2      3      4

---

默认情况下指定标签的一种方法是:

In [9]: labels = ['A', 'B', 'C', 'D', 'E']
In [10]: enc = le.fit(labels)
In [11]: enc.classes_                       # sorts the labels in alphabetical order
Out[11]: 
array(['A', 'B', 'C', 'D', 'E'], 
      dtype='<U1')
In [12]: enc.transform('E')
Out[12]: 4

Answer 2

您可以在单个语句中进行适配和转换，请找到编码单列并分配回数据帧的代码。

df[columnName] = LabelEncoder().fit_transform(df[columnName])