如何有效地对 Pandas DataFrame 中的多列进行标签编码？

Scikit-Learn 中跨多列的标签编码

在 DataFrame 中处理多列分类数据时，可能会很乏味且为每列创建单独的 LabelEncoder 对象效率低下。当处理包含大量基于字符串的分类数据的数据集时，通常会出现此问题。

问题描述：

尝试将单个 LabelEncoder 对象应用于整个 DataFrame导致错误，如提供的代码片段所示。错误消息“错误的输入形状 (6, 3)”表示 LabelEncoder 需要一维值数组，而不是具有多列的 DataFrame。

解决方案：

为了解决这个问题，建议利用 pandas 的 apply() 方法，这个优雅的解决方案涉及将 LabelEncoder 的 fit_transform() 方法应用于其中的每一列。方法如下：

df.apply(LabelEncoder().fit_transform)

此方法迭代每一列，应用 LabelEncoder 转换，并返回带有编码值的新 DataFrame。

其他注意事项：

• 逆转换：要将编码值解码回其原始类别，请在编码的 DataFrame 上使用 inverse_transform() 方法。
• 多个编码器：如果不同的 LabelEncoder 参数需要不同列，考虑使用字典来存储编码器，如扩展答案中所示。
• 列选择： 对于并非所有列都需要标签编码的场景，请使用 ColumnTransformer，它可以转换列子集的规范。

推荐替代方案：

在 Scikit-Learn 0.20 及更高版本中，建议使用 OneHotEncoder 作为更有效的替代方案字符串数据的 LabelEncoder。它直接支持 one-hot 编码，这通常是机器学习模型中分类数据的首选表示形式。

OneHotEncoder().fit_transform(df)

通过利用这些技术，从业者可以有效地处理多列基于字符串的分类数据的标签编码数据，方便准备用于机器学习分析的数据集。

以上是如何有效地对 Pandas DataFrame 中的多列进行标签编码？的详细内容。更多信息请关注PHP中文网其他相关文章！