文章目录 labelencoderOneHotEncoderget_dummiesLabelBinarizer labelencoder LabelEncoder 将不连续的数字or文本进行编号 import numpy as npimport pandas as pddata = pd.DataFrame({"学号":[1001,1002,1003,1004],"性

对于不同的feature，每次用都要进行初始化一次，因为特征不同，编码规则肯定也是不同的。 基本上都是按照从小到大来排序的，比如数字，0，2，5，9，编码结果肯定是0，1，2，3 字母的话一般也是如此考虑a，b，c，d啥的，如果你实在不清楚怎么对应的话，我建议你自己提前做成one-hot的形式，自己对应，然后存下这个对应标签。 下面是例子： >>> xx=[3,2,4,6,9,87,12]

sklearn.preprocessing 0. 基本解释1. 用法说明2. python例子说明 0. 基本解释 LabelEncoder 是 sklearn.preprocessing 模块中的一个工具，用于将分类特征的标签转换为整数。这在许多机器学习算法中是必要的，因为它们通常不能处理类别数据。 1. 用法说明 # 初始化：le = LabelEncoder()

LabelEncoder、LabelBinarizer、OneHotEncoder三者的区别 import numpy as npfrom sklearn.preprocessing import LabelEncoder, LabelBinarizer, OneHotEncodertest_data = np.array(["a", "b", "c", "d", "a"]) print