python 分类变量转因子变量_分类型变量转数值型变量:LabelEncoder 和 OrdinalEncoder的区别...

import numpy as np

from sklearn.preprocessing import LabelEncoder,OrdinalEncoder

x = [['Male',1],['Female',3],['Female',2]]

x2 = np.array(x)

enc = OrdinalEncoder()

le = LabelEncoder()

x_transform = enc.fit_transform(x)

print('OrdinalEncoder的原始输入：')

print(x)

print('OrdinalEncoder的输出：')

print(x_transform)

print('LabelEncoder的原始输入：')

print(x2)

print('LabelEncoder的输出：')

for i in range(x2.shape[1]):

print(le.fit_transform(x2[:,i]))

在sklearn中，LabelEncoder 和 OrdinalEncoder 都可以将分类型变量转化成数值型索引变量。

在代码中，假设有一个维度数组x，OrdinaEncoder可以直接处理shape为[m,n]的数组或类数组对象，而LabelEncoder只能处理[m,]的一维对象，因此需要先将二维对象中的每一列单独读出来，然后才能转换。

因此上面的代码中，需要先基于Numpy创建数组。

所以使用for循环将每一列做LabelEncoder转换并打印的结果是：

由上面的结果可以知道，二者在实现结果上是一样的(注意，LabelEncoder是直接将每一列单独打印出来，因此格式与OrdinaEncoder结构格式有差异)。而OrdinaEncoder可以看作是LabelEncoder的数组版本。