LabelEncoder#

class sklearn.preprocessing.LabelEncoder[source]#

使用 0 到 n_classes-1 之间的值编码目标标签。

此转换器应仅用于编码目标值（即 y），而不是输入 X。

在用户指南中了解更多。

添加于 0.12 版本。

属性:

classes_ndarray of shape (n_classes,): 保存每个类的标签。

另请参阅

OrdinalEncoder: 使用序数编码方案编码分类特征。
OneHotEncoder: 将分类特征编码为 one-hot 数字数组。

示例

LabelEncoder 可用于规范化标签。

>>> from sklearn.preprocessing import LabelEncoder
>>> le = LabelEncoder()
>>> le.fit([1, 2, 2, 6])
LabelEncoder()
>>> le.classes_
array([1, 2, 6])
>>> le.transform([1, 1, 2, 6])
array([0, 0, 1, 2]...)
>>> le.inverse_transform([0, 0, 1, 2])
array([1, 1, 2, 6])

它还可以用于将非数字标签（只要它们是可哈希和可比较的）转换为数字标签。

>>> le = LabelEncoder()
>>> le.fit(["paris", "paris", "tokyo", "amsterdam"])
LabelEncoder()
>>> list(le.classes_)
[np.str_('amsterdam'), np.str_('paris'), np.str_('tokyo')]
>>> le.transform(["tokyo", "tokyo", "paris"])
array([2, 2, 1]...)
>>> list(le.inverse_transform([2, 2, 1]))
[np.str_('tokyo'), np.str_('tokyo'), np.str_('paris')]

fit(y)[source]#

拟合标签编码器。

参数:

yarray-like of shape (n_samples,): 目标值。

返回:

self返回一个自身的实例。: 已拟合的标签编码器。

fit_transform(y)[source]#

拟合标签编码器并返回编码后的标签。

参数:

yarray-like of shape (n_samples,): 目标值。

返回:

yarray-like of shape (n_samples,): 编码后的标签。

get_metadata_routing()[source]#

获取此对象的元数据路由。

请查阅用户指南，了解路由机制如何工作。

返回:

routingMetadataRequest: 封装路由信息的 MetadataRequest。

get_params(deep=True)[source]#

获取此估计器的参数。

参数:

deepbool, default=True: 如果为 True，将返回此估计器以及包含的子对象（如果它们是估计器）的参数。

返回:

paramsdict: 参数名称映射到其值。

inverse_transform(y)[source]#

将标签转换回原始编码。

参数:

yarray-like of shape (n_samples,): 目标值。

返回:

y_original形状为 (n_samples,) 的 ndarray: 原始编码。

set_output(*, transform=None)[source]#

设置输出容器。

有关如何使用 API 的示例，请参阅引入 set_output API。

参数:

transform{“default”, “pandas”, “polars”}, default=None

配置 transform 和 fit_transform 的输出。

"default": 转换器的默认输出格式
"pandas": DataFrame 输出
"polars": Polars 输出
None: 转换配置保持不变

1.4 版本新增: 添加了 "polars" 选项。

返回:

selfestimator instance: 估计器实例。

set_params(**params)[source]#

设置此估计器的参数。

此方法适用于简单的估计器以及嵌套对象（如 Pipeline）。后者具有 <component>__<parameter> 形式的参数，以便可以更新嵌套对象的每个组件。

参数:

**paramsdict: 估计器参数。

返回:

selfestimator instance: 估计器实例。

transform(y)[source]#

将标签转换为规范化编码。

参数:

yarray-like of shape (n_samples,): 目标值。

返回:

yarray-like of shape (n_samples,): 作为规范化编码的标签。

LabelEncoder#

本页