如何使用 Scikit-Learn 高效編碼多個 DataFrame 欄位？

使用Scikit-Learn 對多個DataFrame 欄位進行標籤編碼

在pandas DataFrame 中使用字串標籤時，通常需要將它們編碼為整數以與機器學習演算法相容。 Scikit-learn 的 LabelEncoder 是完成此任務的便利工具，但每列使用多個 LabelEncoder 物件可能會很無聊。

要繞過此問題，您可以利用以下方法：

df.apply(LabelEncoder().fit_transform)

這將 LabelEncoder 應用於 DataFrame 中的每一列，有效地將所有字串標籤編碼為整數。

使用OneHotEncoder 增強編碼

在Scikit-Learn 的最新版本（0.20 及更高版本）中，建議使用OneHotEncoder() 類別對字串輸入進行標籤編碼:

OneHotEncoder().fit_transform(df)

OneHotEncoder 提供高效率的one-hot 編碼，這對於分類資料來說通常是必需的。

逆變換與變換操作

要逆變換或變換編碼標籤，您可以使用以下技術：

1. 維護一個字典LabelEncoders：

from collections import defaultdict
d = defaultdict(LabelEncoder)

# Encoding
fit = df.apply(lambda x: d[x.name].fit_transform(x))

# Inverse transform
fit.apply(lambda x: d[x.name].inverse_transform(x))

# Transform future data
df.apply(lambda x: d[x.name].transform(x))

2. 對特定欄位使用ColumnTransformer：

from sklearn.preprocessing import ColumnTransformer, OneHotEncoder

# Select specific columns for encoding
encoder = OneHotEncoder()
transformer = ColumnTransformer(transformers=[('ohe', encoder, ['col1', 'col2', 'col3'])])

# Transform the DataFrame
encoded_df = transformer.fit_transform(df)

3. FNexForleach ：

from neuraxle.preprocessing import FlattenForEach

# Flatten all columns and apply LabelEncoder
encoded_df = FlattenForEach(LabelEncoder(), then_unflatten=True).fit_transform(df)

取決於您的特定情況要求，您可以在 Scikit-Learn 中選擇最合適的方法對多列進行標籤編碼。

以上是如何使用 Scikit-Learn 高效編碼多個 DataFrame 欄位？的詳細內容。更多資訊請關注PHP中文網其他相關文章！