在Python中重新编码分类变量

Question

我一直在尝试使用Anaconda发行版学习Python 3.6。 我对正在使用的在线课程的内容感到不满意，可以通过一些错误消息获得帮助。 我会问这门课程的讲师，但他们似乎对学生的问题反应不大。

我在处理用于重新编码分类数据的三个主要类时遇到了一些麻烦。 据我了解，从scikitlearn包中提取了三个用于重新编码变量的类：LabelEncoder，OneHotEncoder和LabelBinarizer。 我尝试使用每种方法来重新编码数据集中的分类变量，但是每种方法都会出错。

请原谅我相对无礼的示例代码。 正如我的问题的基础可能已经猜到的那样，我并不精通python。

对象X包含几列，第一列是我需要转换的分类字符串（如果有人还可以告诉我如何插入表，那将很有帮助。我必须使用HTML吗？）：

“鱼” 1 5 3
“狗” 2 6 9
“狗” 8 8 8
“猫” 5 7 6
“猫” 6 6 6

标签编码器尝试

以下是我尝试实现的代码，以及我收到的针对对象X的错误消息，该错误消息大致具有我上面描述的属性。

from sklearn.preprocessing import LabelEncoder
labelencoder_X =LabelEncoder 
X[:, 0] = LabelEncoder.fit_transform(X[:, 0])

TypeError: fit_transform() missing 1 required positional argument: 'y'

让我感到困惑的是，我认为上面的代码清楚地定义了y是X的第一列。

OneHotEncoder

from sklearn.preprocessing import OneHotEncoder 
onehotencoder = OneHotEncoder(categorical_features=[0]) 
X = onehotencoder.fit_transform[X].toarray()

TypeError: 'method' object is not subscriptable

标签二值化器

我发现这是最难理解的，实际上无法根据数据集的结构进行尝试。

您可以提供的任何指导或建议将无穷无尽。

Answer 1

让我们一步一步来。

首先加载名称X的numpy数组中显示的数据

import numpy as np
X = np.array([["Fish", 1, 5, 3],
              ["Dog",  2, 6, 9],
              ["Dog",  8, 8, 8],
              ["Cat",  5, 7, 6],
              ["Cat",  6, 6, 6]])

现在尝试您的代码。

1）LabelEncoder

from sklearn.preprocessing import LabelEncoder
labelencoder_X =LabelEncoder 
X[:, 0] = LabelEncoder.fit_transform(X[:, 0])

您在这里做错的事情是您将LabelEncoder类用作对象，对其调用fit_transform 。 因此，请通过以下方式更正：

from sklearn.preprocessing import LabelEncoder
labelencoder_X =LabelEncoder()
X[:, 0] = labelencoder_X.fit_transform(X[:, 0])

请参阅上面第2行和第3行中的更改。 首先，我通过调用LabelEncoder() LabelEncoder类的对象labelencoder_X ，然后使用该对象通过labelencoder_X.fit_transform（）来调用labelencoder_X.fit_transform() 。 然后此代码不给出任何错误，新的X为：

Output:
array([['2', '1', '5', '3'],
       ['1', '2', '6', '9'],
       ['1', '8', '8', '8'],
       ['0', '5', '7', '6'],
       ['0', '6', '6', '6']], dtype='|S4')

看到第一列已成功更改。

2）OneHotEncoder

您的代码：

from sklearn.preprocessing import OneHotEncoder 
onehotencoder = OneHotEncoder(categorical_features=[0]) 
X = onehotencoder.fit_transform[X].toarray()

现在，在这里，您没有犯过在LabelEncoder中犯的错误。 您正在通过调用OneHotEncoder(...)正确初始化对象。 但是您使用fit_transform[X]犯了一个错误。 您会看到fit_transform是一种方法，应使用如下的圆括号来调用： fit_transform() 。

有关该错误的更多详细信息，请参见此问题 。

正确的代码应为：

from sklearn.preprocessing import OneHotEncoder 
onehotencoder = OneHotEncoder(categorical_features=[0]) 
X = onehotencoder.fit_transform(X).toarray()

Output: 
array([[0., 0., 1., 1., 5., 3.],
       [0., 1., 0., 2., 6., 9.],
       [0., 1., 0., 8., 8., 8.],
       [1., 0., 0., 5., 7., 6.],
       [1., 0., 0., 6., 6., 6.]])

注意：上面的代码应该在已经用LabelEncoder转换过的X上调用。 如果在原始X上使用它，它仍然会引发错误。

3）LabelBinarizer这与LabelEncoder并没有什么真正的不同，只是它将对提供的列也进行一键编码。

from sklearn.preprocessing import LabelBinarizer
labelencoder_X =LabelBinarizer()
new_binarized_val = labelencoder_X.fit_transform(X[:, 0])

Output:
array([[0, 0, 1],
       [0, 1, 0],
       [0, 1, 0],
       [1, 0, 0],
       [1, 0, 0]])

注意：我在问题的原始X上使用的LabelBinarizer代码，而不是已经编码的代码。 输出仅显示第一列的二进制形式。

希望这可以弄清楚。