python 数据处理中的 LabelEncoder ，OrdinalEncoder 和 OneHotEncoder

LabelEncoder 是对不连续的数字或者文本进行编号，处理标签专用。处理多维数组用OrdinalEncoder

from sklearn.preprocessing import LabelEncoder

le = LabelEncoder()

le.fit([1,5,67,100])

le.transform([1,1,100,67,5])

输出： array([0,0,3,2,1])
————————————————
版权声明：本文为CSDN博主「hiptonese」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/u01256

#将所有的分类型变量编码为数字，一个类别是一个数字

(LabelEncoder 是对不连续的数字或者文本进行编号单维，针对标签，特征多维用OrdinalEncoder)  二维以上

from sklearn.preprocessing import OrdinalEncoder #只允许二维以上的数据进行输入
oe = OrdinalEncoder()

#利用训练集进行fit
oe = oe.fit(Xtrain.loc[:,cate])

OneHotEncoder  

（我们刚才已经用OrdinalEncoder把分类变量Sex和Embarked都转换成数字对应的类别了。在舱门Embarked这一
列中，我们使用[0,1,2]代表了三个不同的舱门，然而这种转换是正确的吗？）

data1.head()

##  独热编码，创建哑变量
##
from sklearn.preprocessing import OneHotEncoder
X = data.iloc[:,1:-1]
X.head()

	Sex	Embarked
0	male	S
1	female	C
2	female	S
3	female	S
4	male	S

enc = OneHotEncoder(categories='auto').fit(X) #实例化

 

result = enc.transform(X).toarray() #把结果转化成一个数组
enc.transform(X).toarray()   #将女性和男性分成数组，，，前两位，舱门分为为数组后三位：：稀疏矩阵

#依然可以直接一步到位，但为了给大家展示模型属性，所以还是写成了三步
OneHotEncoder(categories='auto').fit_transform(X).toarray()

#依然可以还原
pd.DataFrame(enc.inverse_transform(result))

enc.get_feature_names()#返回每一个经过哑变量后生成稀疏矩阵列的名字

array(['x0_female', 'x0_male', 'x1_C', 'x1_Q', 'x1_S'], dtype=object)

#axis=1,表示跨行进行合并，也就是将两表左右相连，如果是axis=0，就是将量表上下相连
newdata = pd.concat([data,pd.DataFrame(result)],axis=1)

 

newdata.head()

有的图表特征后移了，注意一下，不是错误，是复制过来显示错误。

Age	Sex	Embarked	Survived	0	1	2	3	4
0	22.0	male	S	No	0.0	1.0	0.0	0.0	1.0
1	38.0	female	C	Yes	1.0	0.0	1.0	0.0	0.0
2	26.0	female	S	Yes	1.0	0.0	0.0	0.0	1.0
3	35.0	female	S	Yes	1.0	0.0	0.0	0.0	1.0
4	35.0	male	S	No	0.0	1.0	0.0	0.0	1.0

# 删掉两列，inplace=True 并覆盖原数据
newdata.drop(["Sex","Embarked"],axis=1,inplace=True)

newdata.head()

	Age	Survived	0	1	2	3	4
0	22.0	No	0.0	1.0	0.0	0.0	1.0
1	38.0	Yes	1.0	0.0	1.0	0.0	0.0
2	26.0	Yes	1.0	0.0	0.0	0.0	1.0
3	35.0	Yes	1.0	0.0	0.0	0.0	1.0
4	35.0	No	0.0	1.0	0.0	0.0	1.0

newdata.columns = ["Age","Survived","Female","Male","Embarked_C","Embarked_Q","Embarked_S"]
newdata.head()

独热编码后的特征无需无量纲化处理，

	Age	Survived	Female	Male	Embarked_C	Embarked_Q	Embarked_S
0	22.0	No	0.0	1.0	0.0	0.0	1.0
1	38.0	Yes	1.0	0.0	1.0	0.0	0.0
2	26.0	Yes	1.0	0.0	0.0	0.0	1.0
3	35.0	Yes	1.0	0.0	0.0	0.0	1.0
4	35.0	No	0.0	1.0	0.0	0.0	1.0