如何有效地將 Pandas DataFrame 中的多列進行標籤編碼？

Scikit-Learn 中跨多列的標籤編碼

在DataFrame 中處理多列分類資料時，可能會很乏味且為每個欄位建立單獨的LabelEncoder 物件效率低。當處理包含大量基於字串的分類資料的資料集時，通常會出現此問題。

問題描述：

嘗試將單一 LabelEncoder 物件套用於整個 DataFrame導致錯誤，如提供的程式碼片段所示。錯誤訊息「錯誤的輸入形狀 (6, 3)」表示 LabelEncoder 需要一維值數組，而不是具有多個列的 DataFrame。

解決方案：

為了解決這個問題，建議利用pandas 的apply() 方法，這個優雅的解決方案涉及將LabelEncoder 的fit_transform() 方法應用於其中的每一列。方法如下：

df.apply(LabelEncoder().fit_transform)

此方法迭代每一列，套用 LabelEncoder 轉換，並傳回帶有編碼值的新 DataFrame。

其他注意事項：

• 逆轉換：要將編碼值解碼回其原始類別，請在編碼的DataFrame 上轉換：
要將編碼值解碼回其原始類別，請在編碼的DataFrame 上使用inverse_transform() 方法。
• 多個編碼器：
如果不同的 LabelEncoder 參數需要不同列，考慮使用字典來儲存編碼器，如擴充答案所示。
• 列選擇：
對於並非所有列都需要標籤編碼的場景，請使用 ColumnTransformer，它可以轉換列子集的規格。

推薦替代方案：

在Scikit-Learn 0.20 及更高版本中，建議使用OneHotEncoder 作為更有效的替代方案字串資料的LabelEncoder 。它直接支援 one-hot 編碼，這通常是機器學習模型中分類資料的首選表示形式。

OneHotEncoder().fit_transform(df)

透過利用這些技術，從業者可以有效地處理多列基於字串的分類數據的標籤編碼數據，方便準備用於機器學習分析的數據集。

以上是如何有效地將 Pandas DataFrame 中的多列進行標籤編碼？的詳細內容。更多資訊請關注PHP中文網其他相關文章！