使用 numpy 对数据集的分类特征进行编码时出错

Question

我使用以下函数对我的数据集的分类特征进行编码（它有 27 个特征，其中 11 个是分类特征）：

from sklearn import preprocessing
def features_encoding(data):
    columnsToEncode = list(data.select_dtypes(include=['category', 'object']))
    le = preprocessing.LabelEncoder()
    for feature in columnsToEncode:
        try:
            data[feature] = le.fit_transform(data[feature])
        except:
            continue
    return data

但我收到此错误：

FutureWarning: numpy not_equal will not check object identity in the future. The comparison did not return the same result as suggested by the identity (`is`)) and will change.
      flag = np.concatenate(([True], aux[1:] != aux[:-1]))

我不明白这个错误。请问，有人可以解释它是什么以及如何解决它吗？

Answer 1

这几乎可以肯定是由于dtype=object 数组中不止一次出现np.nan 而导致的，该数组被传递到np.unique。

这可能有助于澄清发生了什么：

>>> np.nan is np.nan
True
>>> np.nan == np.nan
False
>>> np.array([np.nan], dtype=object) == np.array([np.nan], dtype=object)
FutureWarning: numpy equal will not check object identity in the future. The comparison did not return the same result as suggested by the identity (`is`)) and will change.
array([ True], dtype=bool)

所以当比较dtype=object 的两个数组时，numpy 会检查比较函数的返回值是否为False，当两个被比较的对象完全相同时。因为现在它假设所有对象的比较都等于自己，但将来会同时改变。

总而言之，这只是一个警告，所以你可以忽略它，至少现在是这样......