如何在字符串数字上使用序数编码器或热编码器

Question

我有一个数据集，其中有一列包含数字作为字符串，例如“一”、“三”、“五”、“五”等。我想使用序数编码器：一个是 0，两个是是 1 三将是 3，依此类推。怎么做？同样在 HotEncoder 中，我有一个稀疏选项，而在序数编码器中，我没有这个选项。这里需要做sparse吗？

我的代码：

#independent variables-Matrix
X = df.iloc[:, :-1].values 
#dependent variables vectors
Y = df.iloc[:, -1].values 
from sklearn.preprocessing import LabelEncoder, OneHotEncoder, OrdinalEncoder
Encoder =  OrdinalEncoder()
Z2= Encoder.fit_transform(X[:, [17]])
#X = np.hstack(( [![Z][1]][1]2, X[:,:17] , X[:,18:])).astype('float')
#handling the dummy variable trap
#X = X[:, 1:]

Answer 1

在你的情况下，我将使用函数而不是使用 Sklearn。

def label_encoder(column):
values = ['one', 'two', 'three', 'four', 'five'] 
new_row = []
for row in column:
    for i, ii in enumerate(values):
        if row == ii:
            new_row.append(i)
        else:
            continue
return new_row

或者你可以使用列表推导

def label_encoder(column):
values = ['one', 'two', 'three', 'four', 'five'] 
new_row = [i for row in column for (i, ii) in enumerate(values) if row==ii]
return new_row

此函数会将['one', 'one', 'two', ...] 的数组转换为[1, 1, 2, ...]