LabelEncoder 标签编码器#
- class sklearn.preprocessing.LabelEncoder[source]#
将目标标签编码为0到n_classes-1之间的值。
此变换器应用于编码目标值，即
y，而不是输入X。更多信息请参见用户指南。
版本0.12中添加。
- 属性：
- classes_ndarray of shape (n_classes,)
保存每个类的标签。
另请参见
OrdinalEncoder 序数编码器使用序数编码方案对分类特征进行编码。
OneHotEncoder 独热编码器将分类特征编码为独热数值数组。
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值标签（只要它们是可哈希和可比较的）转换为数值标签。
>>> 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。
- 返回值：
- selfreturns an instance of self.
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。
- 返回值：
- 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。
请查看 用户指南，了解路由机制的工作原理。
- 返回值：
- routingMetadataRequest
一个
MetadataRequest封装了路由信息。
- get_params(deep=True)[source]#
获取此估计器的参数。
- 参数：
- deepbool, default=True
如果为 True，则将返回此估计器和包含的作为估计器的子对象的参数。
- 返回值：
- paramsdict
参数名称与其值的映射。
- 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。
- 返回值：
- yndarray of shape (n_samples,)
原始编码。
- set_output(*, transform=None)[source]#
设置输出容器。
参见 介绍 set_output API，了解如何使用此 API 的示例。
- 参数：
- transform{“default”, “pandas”, “polars”}, default=None
配置
transform和fit_transform的输出。"default": 变换器的默认输出格式"pandas": DataFrame 输出"polars": Polars 输出None: 变换配置不变
Added in version 1.4:
"polars"选项已添加。
- 返回值：
- selfestimator instance
估计器实例。