如何编码和估算分类数据？答案

【问题标题】：How to encode and impute categorical data?如何编码和估算分类数据？
【发布时间】：2020-09-30 04:40:28
【问题描述】：

我有一列包含分类数据和一些 nan 值。我想填充 nan 值而不是删除它们。一开始我真的不知道该怎么做-编码还是估算？我尝试首先使用 LabelEncoder 进行编码，然后使用 KNNImputer 进行估算，但这对我不起作用。最后，我想使用 OneHotEncoder 以适当的形式获取值，以将它们用作 ML 模型的输入。我从这样的事情开始，但这是错误的:(

import numpy as np
import pandas as pd
from sklearn.preprocessing import OneHotEncoder
from sklearn.preprocessing import LabelEncoder
from sklearn.impute import KNNImputer

data = ["coupe", "coupe", "SUV", "coupe", "SUV", "sedan", np.nan, "sedan", np.nan, "coupe"]
X = pd.DataFrame({"type": data})
le = LabelEncoder()
X = le.fit_transform(X)

我不知道如何处理这个问题：

编码（LabelEncoder）-->输入（KNNImputer）-->OneHotEncoder
Impute（KNNImputer）-->编码（LabelEncoder）-->OneHotEncoder

如果有任何帮助，我将不胜感激。

【问题讨论】：

标签： python scikit-learn encode categorical-data

【解决方案1】：

LabelEncoder 如果与np.nans 一起使用，则会引发TypeError。首先用虚拟字符串替换它们。一旦它被标签编码，将对应于空值的标签替换回np.nan，这就是你应用KNNImputer的时候

import numpy as np
import pandas as pd
from sklearn.preprocessing import OneHotEncoder
from sklearn.preprocessing import LabelEncoder
from sklearn.impute import KNNImputer

data = ["coupe", "coupe", "SUV", "coupe", "SUV", "sedan", np.nan, "sedan", np.nan, "coupe"]
X = pd.DataFrame({"type": data})
X[X["type"]  == np.nan] = 'NaN'
le = LabelEncoder()
X = le.fit_transform(X)
#Check the label corresponding to 'NaN' and replace back to `np.nan`
X[X["type"]  == <LabelOfNaN>] = np.nan
#Apply KNNImputer

【讨论】：