sklearn.LabelEncoder 的docs 以
开头这个转换器应该用于编码目标值，即 y，而不是输入 X。
这是为什么？
我只发布了这个建议在实践中被忽略的一个例子，尽管似乎还有更多。 https://www.kaggle.com/matleonard/feature-generation 包含
#(ks is the input data)
# Label encoding
cat_features = ['category', 'currency', 'country']
encoder = LabelEncoder()
encoded = ks[cat_features].apply(encoder.fit_transform)
【问题讨论】：
标签： python sklearn-pandas feature-engineering
也许是因为：
糟糕、差、一般、好、优秀
LabelEncoder 会给它们一个任意顺序（可能是在数据中遇到它们时），这对您的分类器没有帮助。
在这种情况下，您可以使用OrdinalEncoder 或手动替换。
将分类特征编码为整数数组。
df = pd.DataFrame(data=[['Bad', 200], ['Awful', 100], ['Good', 350], ['Average', 300], ['Excellent', 1000]], columns=['Quality', 'Label'])
enc = OrdinalEncoder(categories=[['Awful', 'Bad', 'Average', 'Good', 'Excellent']]) # Use the 'categories' parameter to specify the desired order. Otherwise the ordered is inferred from the data.
enc.fit_transform(df[['Quality']]) # Can either fit on 1 feature, or multiple features at once.
输出：
array([[1.],
[0.],
[3.],
[2.],
[4.]])
注意输出中的逻辑顺序。
scale_mapper = {'Awful': 0, 'Bad': 1, 'Average': 2, 'Good': 3, 'Excellent': 4}
df['Quality'].replace(scale_mapper)
输出：
0 1
1 0
2 3
3 2
4 4
Name: Quality, dtype: int64
【讨论】：
它改变输出值 y 并没有什么大不了的，因为它只是基于它重新学习（如果它是基于错误的回归）。
如果它改变了输入值“X”的权重，就会导致无法进行正确的预测。
如果选项不多，你可以在 X 上进行，例如 2 个类别、2 个货币、2 个城市，编码为 int-s 不会对游戏造成太大影响。
【讨论】：
我认为他们警告不要将它用于 X（输入数据），因为：
在大多数情况下，分类输入数据最好编码为一种热编码，而不是整数，因为大多数情况下您都有不可排序的类别。
其次，另一个技术问题是 LabelEncoder 没有被编程来处理表格（X 需要按列/按特征编码）。 LabelEncoder 假设数据只是一个平面列表。这就是问题所在。
from sklearn.preprocessing import LabelEncoder
enc = LabelEncoder()
categories = [x for x in 'abcdabaccba']
categories
## ['a', 'b', 'c', 'd', 'a', 'b', 'a', 'c', 'c', 'b', 'a']
categories_numerical = enc.fit_transform(categories)
categories_numerical
# array([0, 1, 2, 3, 0, 1, 0, 2, 2, 1, 0])
# so it makes out of categories numbers
# and can transform back
enc.inverse_transform(categories_numerical)
# array(['a', 'b', 'c', 'd', 'a', 'b', 'a', 'c', 'c', 'b', 'a'], dtype='<U1')
【讨论】：