自然数编码：sklearn.preprocessing.LabelEncoder

1 介绍LabelEncoder

在训练模型之前，需要对数据进行处理，比如说分类，进行类别编号。

举例：把“男”、“女”编号为“0”和“1”。

2 作用

把 n 个类别编码为 0 ~ n-1 之间的整数（包含0和n - 1）

3 代码举例

1. 导包

import numpy as np
import pandas as pd
from sklearn import preprocessing

2. 代码

sex = pd.Series(["male", "female", "female", "male", "male"])

encoder = preprocessing.LabelEncoder()       #获取一个LabelEncoder
model = encoder.fit(["male", "female"])      #训练LabelEncoder, 把male编码为0，female编码为1
sex = model.transform(sex)                   #使用训练好的LabelEncoder对原数据进行编码
print(sex)

3. 输出

[1 0 0 1 1]

4. 总结

使用LabelEncoder，可以将源数据中的字符串或者是数字，编码成int类型的数字（range， 顺序是0,1,2,3,…）

5. 注意

数据中不能包括Nan值。
一般在读取数据的时候，都是read_csv之类的方法，遇到空值，则会默认转换为Nan，所以在读取数据之后，一定要做好isNan的判断，不然会影响到后序的数据处理。

where_value_nan = np.isnan(values)
values[where_value_nan] = 0

4 代码举例2

• 下面这个例子更加不失一般性

from sklearn import preprocessing

encoder = preprocessing.LabelEncoder()       #获取一个LabelEncoder

sex = [1, 2, 3, 'wom', 'wom', '中文', '中文', 2, 'wom']   # 数据集
encoder.fit(sex)      #训练LabelEncoder, 把male编码为0，female编码为1
sex = encoder.transform(sex)                   #使用训练好的LabelEncoder对原数据进行编码
print(sex)

• 输出：

[0 1 2 3 3 4 4 1 3]