在 Sklearn 中跨包含文本和数字的多个列应用 LabelEncoder答案

【问题标题】：Applying LabelEncoder in Sklearn across multiple columns that have both text and numbers在 Sklearn 中跨包含文本和数字的多个列应用 LabelEncoder
【发布时间】：2021-06-26 16:34:51
【问题描述】：

我正在尝试将 Sklearn (0.24.1) Labelencoder 应用于数据集，其中一些列将文本和数字混合在一起。

dataset.csv
filename1, cat, dog, elephant, hamster, 1, 7, 8, 4, 10
filename2, hamster, dog, lizard, 7, 5, 3, 8, 19, 1
filename3, raccoon, 8, 10, 11, 14, 15, 16, 3, 23
filename4, turtle, cat, lizard, bird, fish, 6, 2, 4, 11
filename5, bird, donkey, 5, 2, 8, 2, 6, 7, 3

我正在尝试将所有动物名称转换为数值。下面是我正在尝试使用的代码。

input_file = "dataset.csv"
df = pd.read_csv(input_file, header = 0)
numDF = OneHotEncoder().fit_transform(df)

但是当我运行它时，我得到了错误：

TypeError: Encoders require their input to be uniformly strings or numbers. Got ['float', 'str']

【问题讨论】：

标签： scikit-learn sklearn-pandas

【解决方案1】：

你可以看看这个detailed example关于ColumnTransformer。

简而言之，你会使用类似的东西：

from sklearn.compose import ColumnTransformer
preprocessor = ColumnTransformer(
    transformers=[('categorical', OneHotEncoder(), ['filename', 'animal'])],
    remainder='passthrough',
)
numerical_df = preprocessor.fit_transform(df)

但是，只有在数据框中有标题为“文件名”和“动物”的固定列时，这才有效。似乎每行都有不同数量的带有动物的列，这需要一些自定义预处理，不太适合 scikit-learn。

【讨论】：