202 lines
4.6 KiB
Markdown
202 lines
4.6 KiB
Markdown
|
# Python 中的标签编码——快速指南！
|
|||
|
|
|
|||
|
|
> 原文：<https://www.askpython.com/python/examples/label-encoding>
|
|||
|
|
|
|||
|
|
读者朋友们，你们好！在本文中，我们将关注 Python 中的标签编码。
|
|||
|
|
|
|||
|
|
在我们的上一篇文章中，我们了解了 [One hot Encoding](https://www.askpython.com/python/examples/one-hot-encoding) 的工作和实现，其中标签编码是该过程的初始步骤。
|
|||
|
|
|
|||
|
|
今天，我们将看看数据值分类编码中最基本的步骤之一。
|
|||
|
|
|
|||
|
|
因此，没有任何进一步的拖延，让我们开始吧！
|
|||
|
|
|
|||
|
|
* * *
|
|||
|
|
|
|||
|
|
## Python 中的标签编码是什么？
|
|||
|
|
|
|||
|
|
在深入研究标签编码的概念之前，让我们先了解一下“标签”这个概念对数据集的影响。
|
|||
|
|
|
|||
|
|
标签实际上是代表一组特定实体的数字或字符串。标签有助于模型更好地理解数据集，并使模型能够学习更复杂的结构。
|
|||
|
|
|
|||
|
|
*推荐—[如何标准化机器学习的数据集？](https://www.askpython.com/python/examples/standardize-data-in-python)*
|
|||
|
|
|
|||
|
|
**标签编码器**将分类数据的这些标签转换成数字格式。
|
|||
|
|
|
|||
|
|
例如，如果数据集包含带有标签“男性”和“女性”的变量“性别”，则标签编码器会将这些标签转换为数字格式，结果将是[0，1]。
|
|||
|
|
|
|||
|
|
因此，通过将标签转换成整数格式，机器学习模型可以在操作数据集方面有更好的理解。
|
|||
|
|
|
|||
|
|
* * *
|
|||
|
|
|
|||
|
|
## 标签编码–语法知识！
|
|||
|
|
|
|||
|
|
Python **sklearn 库**为我们提供了一个预定义的函数，对数据集进行标签编码。
|
|||
|
|
|
|||
|
|
**语法:**
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
from sklearn import preprocessing
|
|||
|
|
object = preprocessing.LabelEncoder()
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
这里，我们创建一个 LabelEncoder 类的对象，然后利用该对象对数据应用标签编码。
|
|||
|
|
|
|||
|
|
* * *
|
|||
|
|
|
|||
|
|
### 1.使用 sklearn 进行标签编码
|
|||
|
|
|
|||
|
|
让我们直接进入标签编码的过程。对数据集进行编码的第一步是拥有一个数据集。
|
|||
|
|
|
|||
|
|
因此，我们将在这里创建一个简单的数据集。**示例:数据集的创建**
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
import pandas as pd
|
|||
|
|
data = {"Gender":['M','F','F','M','F','F','F'], "NAME":['John','Camili','Rheana','Joseph','Amanti','Alexa','Siri']}
|
|||
|
|
block = pd.DataFrame(data)
|
|||
|
|
print("Original Data frame:\n")
|
|||
|
|
print(block)
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
这里，我们创建了一个[字典](https://www.askpython.com/python/dictionary/python-dictionary-dict-tutorial)‘数据’,然后使用`pandas.DataFrame()` 函数将它转换成一个数据帧。
|
|||
|
|
|
|||
|
|
**输出:**
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
Original Data frame:
|
|||
|
|
|
|||
|
|
Gender NAME
|
|||
|
|
0 M John
|
|||
|
|
1 F Camili
|
|||
|
|
2 F Rheana
|
|||
|
|
3 M Joseph
|
|||
|
|
4 F Amanti
|
|||
|
|
5 F Alexa
|
|||
|
|
6 F Siri
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
从上面的数据集中，很明显，变量“性别”的标签为“M”和“F”。
|
|||
|
|
|
|||
|
|
此外，现在让我们导入 **LabelEncoder** 类，并将其应用于数据集的“性别”变量。
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
from sklearn import preprocessing
|
|||
|
|
label = preprocessing.LabelEncoder()
|
|||
|
|
|
|||
|
|
block['Gender']= label.fit_transform(block['Gender'])
|
|||
|
|
print(block['Gender'].unique())
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
我们已经使用`fit_transform() method`将对象指向的标签编码器的功能应用于数据变量。
|
|||
|
|
|
|||
|
|
**输出:**
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
[1 0]
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
所以，你看，数据已经被转换成[0，1]的整数标签了。
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
print(block)
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**输出:**
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
Gender NAME
|
|||
|
|
0 1 John
|
|||
|
|
1 0 Camili
|
|||
|
|
2 0 Rheana
|
|||
|
|
3 1 Joseph
|
|||
|
|
4 0 Amanti
|
|||
|
|
5 0 Alexa
|
|||
|
|
6 0 Siri
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
* * *
|
|||
|
|
|
|||
|
|
### **2。使用类别代码的标签编码**
|
|||
|
|
|
|||
|
|
让我们首先检查数据集变量的数据类型。
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
block.dtypes
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**数据类型**:
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
Gender object
|
|||
|
|
NAME object
|
|||
|
|
dtype: object
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
现在，将变量“性别”的数据类型转换为**类别**类型。
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
block['Gender'] = block['Gender'].astype('category')
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
block.dtypes
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
Gender category
|
|||
|
|
NAME object
|
|||
|
|
dtype: object
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
现在，让我们使用`pandas.DataFrame.cat.codes`函数将标签转换成整数类型。
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
block['Gender'] = block['Gender'].cat.codes
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
print(block)
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
如下所示，变量“性别”已被编码为整数值[0，1]。
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
Gender NAME
|
|||
|
|
0 1 John
|
|||
|
|
1 0 Camili
|
|||
|
|
2 0 Rheana
|
|||
|
|
3 1 Joseph
|
|||
|
|
4 0 Amanti
|
|||
|
|
5 0 Alexa
|
|||
|
|
6 0 Siri
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
* * *
|
|||
|
|
|
|||
|
|
## 结论
|
|||
|
|
|
|||
|
|
到此，我们就结束了这个话题。如果你遇到任何问题，欢迎在下面评论。
|
|||
|
|
|
|||
|
|
为了更深入地理解这个主题，请尝试在不同的数据集和变量上实现标签编码器的概念。请在评论区告诉我们你的体验！🙂
|
|||
|
|
|
|||
|
|
更多与 Python 相关的帖子，敬请关注，在此之前，祝你学习愉快！！🙂
|
|||
|
|
|
|||
|
|
* * *
|
|||
|
|
|
|||
|
|
## 参考
|
|||
|
|
|
|||
|
|
* [标签编码器–文档](https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.LabelEncoder.html)
|