Wie kodiere ich effizient mehrere DataFrame-Spalten mit Scikit-Learn?

Beschriftung mehrerer DataFrame-Spalten mit Scikit-Learn

Bei der Arbeit mit Zeichenfolgenbeschriftungen in einem Pandas-DataFrame ist es häufig erforderlich, diese zu codieren Ganzzahlen für die Kompatibilität mit Algorithmen für maschinelles Lernen. Der LabelEncoder von Scikit-learn ist ein praktisches Werkzeug für diese Aufgabe, aber die Verwendung mehrerer LabelEncoder-Objekte für jede Spalte kann mühsam sein.

Um dies zu umgehen, können Sie den folgenden Ansatz nutzen:

df.apply(LabelEncoder().fit_transform)

Dadurch wird ein LabelEncoder auf jede Spalte im DataFrame angewendet, wodurch alle Zeichenfolgenbeschriftungen effektiv in Ganzzahlen kodiert werden.

Verbessert Codierung mit OneHotEncoder

In neueren Versionen von Scikit-Learn (0.20 und höher) wird die Klasse OneHotEncoder() für die Eingabe von Label-Codierungszeichenfolgen empfohlen:

OneHotEncoder().fit_transform(df)

OneHotEncoder bietet effiziente One-Hot-Kodierung, die häufig für kategorische Anwendungen erforderlich ist Daten.

Inverse- und Transformationsoperationen

Um codierte Etiketten umzukehren oder zu transformieren, können Sie die folgenden Techniken verwenden:

1. Behalten Sie a Wörterbuch der LabelEncoder:

from collections import defaultdict
d = defaultdict(LabelEncoder)

# Encoding
fit = df.apply(lambda x: d[x.name].fit_transform(x))

# Inverse transform
fit.apply(lambda x: d[x.name].inverse_transform(x))

# Transform future data
df.apply(lambda x: d[x.name].transform(x))

2. Verwenden Sie ColumnTransformer für Spezifische Spalten:

from sklearn.preprocessing import ColumnTransformer, OneHotEncoder

# Select specific columns for encoding
encoder = OneHotEncoder()
transformer = ColumnTransformer(transformers=[('ohe', encoder, ['col1', 'col2', 'col3'])])

# Transform the DataFrame
encoded_df = transformer.fit_transform(df)

3. Verwenden Sie FlattenForEach von Neuraxle:

from neuraxle.preprocessing import FlattenForEach

# Flatten all columns and apply LabelEncoder
encoded_df = FlattenForEach(LabelEncoder(), then_unflatten=True).fit_transform(df)

Abhängig von Ihren spezifischen Anforderungen können Sie die am besten geeignete Methode für die Beschriftung auswählen Kodierung mehrerer Spalten in Scikit-Learn.

Das obige ist der detaillierte Inhalt vonWie kodiere ich effizient mehrere DataFrame-Spalten mit Scikit-Learn?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!