数据预处理之将类别数据数字化的方法 —— LabelEncoder

LabelEncoder是什么

• 在数据处理过程中，我们有时需要对不连续的数字或者文本进行数字化处理。
• 在使用 Python 进行数据处理时，用 encoder 来转化 dummy variable（虚拟数据）非常简便，encoder 可以将数据集中的文本转化成0或1的数值。
• LabelEncoder 是 scikit-learn 包中的两个功能，可以实现上述的转化过程。

数据集中的类别数据

在使用回归模型和机器学习模型时，所有的考察数据都是数值更容易得到好的结果。因为回归和机器学习都是基于数学函数方法的，所以当我们要分析的数据集中出现了类别数据(categorical data)，此时的数据是不理想的，因为我们不能用数学的方法处理它们。例如，在处理男和女两个性别数据时，我们用0和1将其代替，再进行分析。由于这种情况的出现，我们需要可以将文字数字化的现成方法。

• LabelEncoder 将一列文本数据转化成数值。
• 例如，[red, blue, red, yellow] = [0,2,0,1]

参考资料：

数据预处理之将类别数据数字化的方法 —— LabelEncoder VS OneHotEncoder - 知乎 (zhihu.com)