python中label函数_Python之sklearn：LabelEncoder函数简介(编码与编码还原)、使用方法、具体案例之详细攻略...

Python之sklearn：LabelEncoder函数简介(编码与编码还原)、使用方法、具体案例之详细攻略

目录

LabelEncoder函数的简介(编码与编码还原)

Methods

LabelEncoder函数的使用方法

LabelEncoder函数的具体案例

1、基础案例

2、在数据缺失和test数据内存在新值(train数据未出现过)环境下的数据LabelEncoder化

LabelEncoder函数的简介(编码与编码还原)

class LabelEncoder Found at: sklearn.preprocessing._labelclass LabelEncoder(TransformerMixin, BaseEstimator):

“””Encode target labels with value between 0 and n_classes-1.

This transformer should be used to encode target values, *i.e.* `y`, and not the input `X`.

Read more in the :ref:`User Guide `.

“”对目标标签进行编码，值在0到n_class -1之间。

这个转换器应该用于编码目标值，*即’ y ‘，而不是输入’ X ‘。

更多内容见:ref: ‘ User Guide ‘。

.. versionadded:: 0.12

Attributes

———-

classes_: array of shape (n_class,)

Holds the label for each class.

Examples

——–

`LabelEncoder` can be used to normalize labels.

>>> from sklearn import preprocessing

>>> le = preprocessing.LabelEncoder()

>>> le.fit([1, 2, 2, 6])

LabelEncoder()

>>> le.classes_

array([1, 2, 6])

>>> le.transform([1, 1, 2, 6])

array([0, 0, 1, 2]…)

>>> le.inverse_transform([0, 0, 1, 2])

array([1, 1, 2, 6])

It can also be used to transform non-numerical labels (as long as they are hashable and comparable) to numerical labels.

>>> le = preprocessing.LabelEncoder()

>>> le.fit([“paris”, “paris”, “tokyo”, “amsterdam”])

LabelEncoder()

>>> list(le.classes_)

[‘amsterdam’, ‘paris’, ‘tokyo’]

>>> le.transform([“tokyo”, “tokyo”, “paris”])

array([2