对python 数据处理中的LabelEncoder 和 OneHotEncoder详解

简单来说 LabelEncoder 是对不连续的数字或者文本进行编号（连续的会是同一个编号）
分类，但有排序逻辑关系，等级上高于定类。
比如，学历分小学，初中，高中，本科，研究生，
各个类别之间存在一定的逻辑，显然研究生学历是最高的，小学最低。
这时候使用Label encoding会显得更合适，
因为自定义的数字顺序可以不破坏原有逻辑，并与这个逻辑相对应。
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])#有顺序的

   OneHotEncoder 用于将表示分类的数据扩维：  (one-hot encoding 独热编码（哑变量）)
纯分类，不排序，没有逻辑关系。比如性别分男和女，男女不存在任何逻辑关系，
我们不能说男就比女好，或者相反


from sklearn.preprocessing import OneHotEncoder
ohe = OneHotEncoder()
ohe.fit([[1],[2],[3],[4]])
ohe.transform([2],[3],[1],[4]).toarray()
输出：[ [0,1,0,0] , [0,