python LabelEncoder()编码时的排序问题

在处理数据时，一些变量的值是非数值型的，如区间、中文汉字或者英文等等，在python中，很多时候，上述的数据类型是不能带入模型的，这就需要我们进行处理。

常见的处理方式有两种，一种是独热编码，即python里面sklearn.preprocessing的OneHotEncoder；另一种是sklearn.preprocessing的LabelEncoder来打标签编码。

第一种方法本文暂不说，主要说一下第二种方法中，LabelEncoder的排序问题。
将非数值型变量进行编码，首先要考虑的问题，编码肯定不是随机给的，应该是要先排序，那是如何进行排序？之前我也没太在意这个问题，后来还踩了一些坑，这类细节问题还是要清楚的。

我们知道，非数值类型如果细分的话有很多种，都可以笼统的称为string型，他们在进行排序的过程中，是取这个string里首个字符进行排序的，如果首字母相同，会继续按照第二个字符进行排序，以此类推。每个字符都有一个顺序，具体可以通过ord(string) 来找到。

下面就是具体的测试样例。