python中LabelEncoder和OneHotEncoder处理数据

在处理数据时，一些变量的值是非数值型的，如中文或者英文等，在python中，很多时候，上述的数据类型是不能带入模型的，这就需要我们进行处理。

常见的处理方式有两种：

• Onehot Encoding：即sklearn.preprocessing中的OneHotEncoder。简单来说OneHotEncoder用于将表示分类的数据扩维：
• LabelEncoder：即sklearn.preprocessing中的LabelEncoder。简单来说 LabelEncoder 是对不连续的数字或者文本进行编号

OneHotEncoder：

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] , [0,0,1,0] , [1,0,0,0] ,[0,0,0,1] ]

LabelEncoder：

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])

解析：

• 先构造encoderle = LabelEncoder(),通过fit函数传入需要编码的数据，在内部生成对应的key-value
• 然后encoder 用于需要转化的数据，用transform函数

或者直接用fit_transform():

# Create some toy data in a Pandas dataframe
fruit_data = pd.DataFrame({
    'fruit':  ['apple','orange','pear','orange'],
    'color':  ['red','orange','green','green'],
    'weight': [5,6,3,4]
})

Output：

  color   fruit   weight
0   red     apple   5
1   orange  orange  6
2   green   pear    3
3   green   orange  4

经过LabelEncoder转码：

MultiColumnLabelEncoder(columns = ['fruit','color']).fit_transform(fruit_data)

Output：

    color   fruit   weight
0   2       0       5
1   1       1       6
2   0       2       3
3   0       1       4