字串轉換為何有不同的方法?OneHotEncoder,LabelBinarizer,LabelEncoder

woff

1. from sklearn.preprocessing import OneHotEncoder,LabelBinarizer,LabelEncoder
   
2. import pandas as pd
   
3. import numpy as np
   
4. X1=['XL','M','L']
   
5. print(X1.__class__)
   
6. X2=pd.DataFrame(X1)
   
7. print(X2)
   
8. print('OneHotEncoder')
   
9. lb1=OneHotEncoder().fit_transform(X2).toarray()
   
10. print(lb1)
    
11. print('LabelBinarizer1')
    
12. lb2=LabelBinarizer().fit_transform(X1)
    
13. print(lb2)
    
14. print(lb2.__class__)
    
15. print('LabelBinarizer2')
    
16. lb2=LabelBinarizer().fit_transform(X2)
    
17. print(lb2)
    
18. print(lb2.__class__)
    
19. print('LabelEncoder1')
    
20. lb3=LabelEncoder().fit_transform(X1)
    
21. print(lb3)
    
22. print('LabelEncoder2')
    
23. lb3=LabelEncoder().fit_transform(X2)
    
24. print(lb3)
    

複製代碼

X1 = ['XL', 'M', 'L']
X2 =
  0
0 XL
1 M
2 L

1.必須以column為單位
2.依據資料不同會產生多個column
3.每一個內容與原點的距離相同

OneHotEncoder =
[[0. 0. 1.]
[0. 1. 0.]
[1. 0. 0.]]
XL  M  L

1.可用row或著column為單位
2.不支援多個column的資料
3.每一個內容與原點的距離相同

LabelBinarizer1 =
[[0 0 1]
[0 1 0]
[1 0 0]]
XL M L

1.可用row或著column為單位
2.不支援多個column的資料
3.依據資料編碼進行轉換，不會設定為固定距離

LabelEncoder1=
[2 1 0]
XL M L

多個column的資料-->只有OneHotEncoder可以做編碼轉換

1. from sklearn.preprocessing import OneHotEncoder,LabelBinarizer,LabelEncoder
   
2. X1=[['US','M'],['UK','M'],['FR','F']]
   
3. print(X1)
   
4. lb1=OneHotEncoder().fit_transform(X1).toarray()
   
5. print(lb1)
   
6. #lb2=LabelBinarizer().fit_transform(X1)
   
7. #print(lb2)
   
8. #lb3=LabelEncoder().fit_transform(X1)
   
9. #print(lb3)
   

複製代碼

字串轉換,OneHotEncoder,LabelBinarizer,LabelEncoder

字串轉換,OneHotEncoder,LabelBinarizer,LabelEncoder

字串轉換,OneHotEncoder,LabelBinarizer,LabelEncoder

多種編碼轉換方式的選擇

• 不會產生新的欄位(數值不會與原點同距離)
  • LabelEncoder 轉換後的資料不會產生新的欄位，他的數值不會與原點同距離，當資料的項目 >=3，數值資料就會有大小區別可能引導模型進行大小的判斷，不建議使用LabelEncoder。
• 產生新欄位(數值與原點同距離)，
  • 請留意以row或column方式操作
    • 如果資料以row方式操作，無法使用OneHotEncoder進行轉換。
    • 如果資料是多個columns操作，無法使用LabelBinarizer進行轉換。

OneHotEncoder的參數

• ( )內可以省略，或著建議加入categories='auto'
• ( )內也可以指定欄位，建議交由語法自己決定。
• 編碼執行方式可分為兩種

1.循序漸進的方式
1.1 先產生OneHot物件
1.2 物件再執行訓練與轉換特定欄位內容維陣列


one1=OneHotEncoder( )
X2=one1.fit_transform(Sex1).toarray( )