sklearn 笔记： preprocessing.OrdinalEncoder

• sklearn.preprocessing.OrdinalEncoder 是一个用于将分类特征编码为整数数组的预处理转换器
• 编码方式：将分类特征（如字符串或整数表示的离散特征）转换成序数整数形式。这样每个特征都被编码为一个整数序列，范围从 0 到该特征的类别数减一（n_categories - 1）

class sklearn.preprocessing.OrdinalEncoder(
    *, 
    categories='auto', 
    dtype=<class 'numpy.float64'>, 
    handle_unknown='error', 
    unknown_value=None, 
    encoded_missing_value=nan, 
    min_frequency=None, 
    max_categories=None)

参数： 

categories	可以设置为 'auto' 或是一个类别的列表。 如果是 'auto'，编码器将自动从训练数据中确定类别。 如果是列表，则列表中的每个元素代表对应特征的预期类别，这些类别应该是有序的
dtype	输出的数据类型，默认为 numpy.float64
handle_unknown	处理未知类别的方式。 默认为 'error'，即如果遇到未知类别时会抛出错误。 如果设置为 'use_encoded_value'，未知类别将被编码为 unknown_value 指定的值。
unknown_value	当 handle_unknown 设置为 'use_encoded_value' 时使用，这个值用来编码训练数据中未出现的类别。 需要注意的是，这个值必须和已有的编码值不同
encoded_missing_value	编码缺失类别的值，默认为 np.nan
min_frequency 和 max_categories	这两个参数用于处理低频类别。min_frequency 用于定义什么样的频率算是低频，max_categories 用于限制输出类别的数量。

举例：

from sklearn.preprocessing import OrdinalEncoder
import numpy as np

# 示例数据
data = [['low'], ['medium'], ['high'], ['medium'], ['low']]
encoder = OrdinalEncoder(dtype=np.int32).fit(data)
encoded_data = encoder.transform(data)

print(encoded_data)
'''
[[1]
 [2]
 [0]
 [2]
 [1]]
'''