Sklearn do Python: Introdução à função LabelEncoder (codificação e restauração da codificação), método de uso, guia detalhado para casos específicos

índice

Introdução à função LabelEncoder (codificação e restauração da codificação)

Métodos

Como usar a função LabelEncoder

Caso específico da função LabelEncoder

1. Caso básico

2. LabelEncoderização de dados em um ambiente com dados ausentes e novos valores nos dados de teste (dados do trem não apareceram)

Introdução à função LabelEncoder (codificação e restauração da codificação)

class LabelEncoder Encontrado em: sklearn.preprocessing._labelclass LabelEncoder (TransformerMixin, BaseEstimator):
"" "Codifique rótulos de destino com valor entre 0 e n_classes-1.
Este transformador deve ser usado para codificar valores de destino, * ie *` y`, e não a entrada `x`.
Leia mais em: ref:` Guia do Usuário <preprocessing_targets> `.

"" Codifica a tag alvo com um valor entre 0 e n_class -1 .

Este conversor deve ser usado para codificar o valor alvo, * ou seja, 'y', em vez de inserir 'X'.

Para mais informações, consulte: ref: 'Guia do Usuário'.

.. versionadded :: 0.12

Attributes
----------
classes_ : array de forma (n_class,)
Contém o rótulo para cada classe.

Exemplos
--------
`LabelEncoder` pode ser usado para normalizar rótulos.

>>> do sklearn import preprocessing
>>> le = preprocessing.LabelEncoder ()
>>> le.fit ([1, 2, 2, 6])
LabelEncoder ()
>>> le.classes_
array ([1, 2, 6])
>>> le.transform ([1, 1, 2, 6])
array ([0, 0, 1, 2] ...)
>>> le.inverse_transform ([0, 0, 1, 2 ])
matriz ([1, 1, 2, 6])

Ele também pode ser usado para transformar rótulos não numéricos (desde que sejam hasháveis e comparáveis) em rótulos numéricos.

>>> le = preprocessing.LabelEncoder ()
>>> le.fit (["paris", "paris", "tokyo", "amsterdam"])
LabelEncoder ()
>>> list (le.classes_)
['amsterdam ',' paris ',' tokyo ']
>>> le.transform (["tokyo", "tokyo", "paris"])
array ([2, 2, 1] ...)
>>> lista (le .inverse_transform ([2, 2, 1]))
['tokyo', 'tokyo', 'paris']

Veja também
--------
sklearn.preprocessing.OrdinalEncoder:
sklearn.preprocessing.OneHotEncoder: codifica recursos categóricos como uma matriz numérica one-hot.

.versionadded :: 0.12

attribute
----------
classes_: array de formas (n_class,) para
salvar o rótulo de cada classe.

Exemplo
-------
"LabelEncoder" pode ser usado para normalizar rótulos.

>>> do sklearn import preprocessing
>>> le = preprocessing.LabelEncoder ()
>>> le.fit ([1, 2, 2, 6])
LabelEncoder ()
>>> le.classes_
array ([1, 2, 6])
>>> le.transform ([1, 1, 2, 6])
array ([0, 0, 1, 2] ...)
>>> le.inverse_transform ([0, 0, 1, 2 ])
matriz ([1, 1, 2, 6])

Também pode ser usado para converter tags não digitais (desde que sejam hasháveis e comparáveis) em tags digitais .

>>> le = preprocessing.LabelEncoder()
>>> le.fit(["paris", "paris", "tokyo", "amsterdam"])
LabelEncoder()
>>> list(le.classes_)
['amsterdam', 'paris', 'tokyo']
>>> le.transform(["tokyo", "tokyo", "paris"])
array([2, 2, 1]...)
>>> list(le.inverse_transform([2, 2, 1]))
['tokyo', 'tokyo', 'paris']

另请参阅
--------
sklearn.preprocessing.OrdinalEncoder :序号编码器:使用序号编码方案编码分类特征。
sklearn.preprocessing.OneHotEncoder : 将分类特性编码为一个热的数字数组。

"""
def fit(self, y):
"""Fit label encoder

Parameters
----------
y : array-like of shape (n_samples,)
Target values.

Returns
-------
self : returns an instance of self.
"""
y = column_or_1d(y, warn=True)
self.classes_ = _encode(y)
return self

def fit_transform(self, y):
"""Fit label encoder and return encoded labels

Parameters
----------
y : array-like of shape [n_samples]
Target values.

Returns
-------
y : array-like of shape [n_samples]
"""
y = column_or_1d(y, warn=True)
self.classes_, y = _encode(y, encode=True)
return y

def transform(self, y):
"""Transform labels to normalized encoding.

Parameters
----------
y : array-like of shape [n_samples]
Target values.

Returns
-------
y : array-like of shape [n_samples]
"""
check_is_fitted(self)
y = column_or_1d(y, warn=True)
# transform of empty array is empty array
if _num_samples(y) == 0:
return np.array([])
_, y = _encode(y, uniques=self.classes_, encode=True)
return y

def inverse_transform(self, y):
"""Transform labels back to original encoding.

Parameters
----------
y : numpy array of shape [n_samples]
Target values.

Returns
-------
y : numpy array of shape [n_samples]
"""
check_is_fitted(self)
y = column_or_1d(y, warn=True)
# inverse transform of empty array is empty array
if _num_samples(y) == 0:
return np.array([])
diff = np.setdiff1d(y, np.arange(len(self.classes_)))
if len(diff):
raise ValueError(
"y contains previously unseen labels: %s" % str(diff))
y = np.asarray(y)
return self.classes_[y]

def _more_tags(self):
return {'X_types':['1dlabels']}

Methods

`fit`(y)	Fit label encoder
`fit_transform`(y)	Fit label encoder and return encoded labels
`get_params`([deep])	Get parameters for this estimator.
`inverse_transform`(y)	Transform labels back to original encoding.
`set_params`(**params)	Set the parameters of this estimator.
`transform`(y)	Transform labels to normalized encoding.

LabelEncoder函数的使用方法

import pandas as pd
from sklearn.preprocessing import LabelEncoder
from DataScienceNYY.DataAnalysis import dataframe_fillAnyNull,Dataframe2LabelEncoder


#构造数据
train_data_dict={'Name':['张三','李四','王五','赵六','张七','李八','王十','un'],
                'Age':[22,23,24,25,22,22,22,None],
                'District':['北京','上海','广东','深圳','山东','河南','浙江',' '],
                'Job':['CEO','CTO','CFO','COO','CEO','CTO','CEO','']}
test_data_dict={'Name':['张三','李四','王十一',None],
                'Age':[22,23,22,'un'],
                'District':['北京','上海','广东',''],
                'Job':['CEO','CTO','UFO',' ']}
train_data_df = pd.DataFrame(train_data_dict)
test_data_df = pd.DataFrame(test_data_dict)
print(train_data_df,'\n',test_data_df)


#缺失数据填充
for col in train_data_df.columns:
        train_data_df[col]=dataframe_fillAnyNull(train_data_df,col)
        test_data_df[col]=dataframe_fillAnyNull(test_data_df,col)
print(train_data_df,'\n',test_data_df)


#数据LabelEncoder化
train_data,test_data=Dataframe2LabelEncoder(train_data_df,test_data_df)
print(train_data,'\n',test_data)

LabelEncoder函数的具体案例

1、基础案例

LabelEncoder can be used to normalize labels.

>>>
>>> from sklearn import preprocessing
>>> le = preprocessing.LabelEncoder()
>>> le.fit([1, 2, 2, 6])
LabelEncoder()
>>> le.classes_
array([1, 2, 6])
>>> le.transform([1, 1, 2, 6])
array([0, 0, 1, 2]...)
>>> le.inverse_transform([0, 0, 1, 2])
array([1, 1, 2, 6])
It can also be used to transform non-numerical labels (as long as they are hashable and comparable) to numerical labels.

>>>
>>> le = preprocessing.LabelEncoder()
>>> le.fit(["paris", "paris", "tokyo", "amsterdam"])
LabelEncoder()
>>> list(le.classes_)
['amsterdam', 'paris', 'tokyo']
>>> le.transform(["tokyo", "tokyo", "paris"])
array([2, 2, 1]...)
>>> list(le.inverse_transform([2, 2, 1]))
['tokyo', 'tokyo', 'paris']

2、在数据缺失和test数据内存在新值(train数据未出现过)环境下的数据LabelEncoder化

参考文章：Python之sklearn：LabelEncoder函数的使用方法之使用LabelEncoder之前的必要操作

import numpy as np
from sklearn.preprocessing import LabelEncoder

#训练train数据
LE= LabelEncoder()
LE.fit(train_df[col])

#test数据中的新值添加到LE.classes_
test_df[col] =test_df[col].map(lambda s:'Unknown' if s not in LE.classes_ else s) 
LE.classes_ = np.append(LE.classes_, 'Unknown') 
 
#分别转化train、test数据
train_df[col] = LE.transform(train_df[col]) 
test_df[col] = LE.transform(test_df[col])