使用sklearn之LabelEncoder将Label标准化的方法_Python

LabelEncoder可以将标签分配一个0—n_classes-1之间的编码

将各种标签分配一个可数的连续编号：

									>>> from sklearn import preprocessing

									>>> le = preprocessing.LabelEncoder()

									>>> le.fit([1, 2, 2, 6])

									LabelEncoder()

									>>> le.classes_

									array([1, 2, 6])

									>>> le.transform([1, 1, 2, 6]) # Transform Categories Into Integers

									array([0, 0, 1, 2], dtype=int64)

									>>> le.inverse_transform([0, 0, 1, 2]) # Transform Integers Into Categories

									array([1, 1, 2, 6])

									>>> le = preprocessing.LabelEncoder()

									>>> le.fit(["paris", "paris", "tokyo", "amsterdam"])

									LabelEncoder()

									>>> list(le.classes_)

									['amsterdam', 'paris', 'tokyo']

									>>> le.transform(["tokyo", "tokyo", "paris"]) # Transform Categories Into Integers

									array([2, 2, 1], dtype=int64)

									>>> list(le.inverse_transform([2, 2, 1])) #Transform Integers Into Categories

									['tokyo', 'tokyo', 'paris']

将DataFrame中的所有ID标签转换成连续编号：

									from sklearn.preprocessing import LabelEncoder

									import numpy as np

									import pandas as pd

									df=pd.read_csv('testdata.csv',sep='|',header=None)

									0 1 2 3 4 5

									0 37 52 55 50 38 54

									1 17 32 20 9 6 48

									2 28 10 56 51 45 16

									3 27 49 41 30 53 19

									4 44 29 8 1 46 13

									5 11 26 21 14 7 33

									6 0 39 22 33 35 43

									7 18 15 47 5 25 34

									8 23 2 4 9 3 31

									9 12 57 36 40 42 24

									le = LabelEncoder()

									le.fit(np.unique(df.values))

									df.apply(le.transform)

									0 1 2 3 4 5

									0 37 52 55 50 38 54

									1 17 32 20 9 6 48

									2 28 10 56 51 45 16

									3 27 49 41 30 53 19

									4 44 29 8 1 46 13

									5 11 26 21 14 7 33

									6 0 39 22 33 35 43

									7 18 15 47 5 25 34

									8 23 2 4 9 3 31

									9 12 57 36 40 42 24

将DataFrame中的每一行ID标签分别转换成连续编号：

									import pandas as pd

									from sklearn.preprocessing import LabelEncoder

									from sklearn.pipeline import Pipeline

									class MultiColumnLabelEncoder:

									 def __init__(self,columns = None):

									 self.columns = columns # array of column names to encode

									 def fit(self,X,y=None):

									 return self # not relevant here

									 def transform(self,X):

									 '''

									 Transforms columns of X specified in self.columns using

									 LabelEncoder(). If no columns specified, transforms all

									 columns in X.

									 '''

									 output = X.copy()

									 if self.columns is not None:

									  for col in self.columns:

									  output[col] = LabelEncoder().fit_transform(output[col])

									 else:

									  for colname,col in output.iteritems():

									  output[colname] = LabelEncoder().fit_transform(col)

									 return output

									 def fit_transform(self,X,y=None):

									 return self.fit(X,y).transform(X)

1	`MultiColumnLabelEncoder(columns` `=` `[0,` `1,` `2,` `3,` `4,` `5]).fit_transform(df)`

或者

1	`df.apply(LabelEncoder().fit_transform)`

									0 1 2 3 4 5

									0 8 8 8 7 5 9

									1 3 5 2 2 1 8

									2 7 1 9 8 7 1

									3 6 7 6 4 9 2

									4 9 4 1 0 8 0

									5 1 3 3 3 2 5

									6 0 6 4 5 4 7

									7 4 2 7 1 3 6

									8 5 0 0 2 0 4

									9 2 9 5 6 6 3

									# 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]

									})

									color fruit weight

									0 red apple 5

									1 orange orange 6

									2 green pear 3

									3 green orange 4

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

或者

1	`fruit_data[['fruit','color']]=fruit_data[['fruit','color']].apply(LabelEncoder().fit_transform)`

									color fruit weight

									0 2 0 5

									1 1 1 6

									2 0 2 3

									3 0 1 4

以上这篇使用sklearn之LabelEncoder将Label标准化的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。

原文链接：https://blog.csdn.net/u010412858/article/details/78386407

使用sklearn之LabelEncoder将Label标准化的方法

相关文章

热门资讯