sklearn.preprocessing.LabelEncoder

该类使用 0 到 n_classs-1 之间的值对目标标签进行编码。该转换器应用于编码目标值y，而不是输入X

LabelEncoder 可以用来规范标签

>>> from sklearn.preprocessing import LabelEncoder
>>> le = LabelEncoder()
>>> le.fit([1,2,3,4,5,6,6,6,7])
LabelEncoder()
>>> le.classes_
array([1, 2, 3, 4, 5, 6, 7])

>>> le.transform([1,2,3,4,5,6,6,6,7])
array([0, 1, 2, 3, 4, 5, 5, 5, 6], dtype=int64)

它也可以用于将非数字标签（只要它们是可哈希的和可比较的）转换为数字标签。

>>> 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']

fit（y）	安装标签编码器。
fit_transform（y）	安装标签编码器并返回编码的标签。
get_params（[深]）	获取此估计量的参数。
inverse_transform（y）	将标签转换回原始编码。
set_params（**参数）	设置此估算器的参数。
transform（y）	将标签转换为归一化的编码。