如何使用 Scikit-Learn 高效编码多个 DataFrame 列？

使用 Scikit-Learn 对多个 DataFrame 列进行标签编码

在 pandas DataFrame 中使用字符串标签时，通常需要将它们编码为整数以与机器学习算法兼容。 Scikit-learn 的 LabelEncoder 是完成此任务的便捷工具，但为每列使用多个 LabelEncoder 对象可能会很乏味。

要绕过此问题，您可以利用以下方法：

df.apply(LabelEncoder().fit_transform)

这将 LabelEncoder 应用于 DataFrame 中的每一列，有效地将所有字符串标签编码为整数。

使用 OneHotEncoder 增强编码

在 Scikit-Learn 的最新版本（0.20 及更高版本）中，建议使用 OneHotEncoder() 类对字符串输入进行标签编码:

OneHotEncoder().fit_transform(df)

OneHotEncoder 提供高效的 one-hot 编码，这对于分类数据来说通常是必需的。

逆变换和变换操作

要逆变换或变换编码标签，您可以使用以下技术：

1. 维护一个字典LabelEncoders：

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. 对特定列使用 ColumnTransformer：

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. 使用 Neuraxle 的 FlattenForEach 步骤：

from neuraxle.preprocessing import FlattenForEach

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

取决于您的具体情况要求，您可以在 Scikit-Learn 中选择最合适的方法对多列进行标签编码。

以上是如何使用 Scikit-Learn 高效编码多个 DataFrame 列？的详细内容。更多信息请关注PHP中文网其他相关文章！