如何从 sklearn 为多列反转标签编码器？答案

【问题标题】：How to reverse Label Encoder from sklearn for multiple columns?如何从 sklearn 为多列反转标签编码器？
【发布时间】：2021-05-29 00:15:06
【问题描述】：

我想在多个列上对 LabelEncoder 使用 inverse_transform 函数。

这是我在数据帧上应用 LabelEncoder 时用于多个列的代码：

class MultiColumnLabelEncoder:
    def __init__(self,columns = None):
        self.columns = columns # array of column names to encode

    def fit(self,X,y=None):
        return self # not relevant here

    def transform(self,X):
        '''
        Transforms columns of X specified in self.columns using
        LabelEncoder(). If no columns specified, transforms all
        columns in X.
        '''
        output = X.copy()
        if self.columns is not None:
            for col in self.columns:
                output[col] = LabelEncoder().fit_transform(output[col])
        else:
            for colname,col in output.iteritems():
                output[colname] = LabelEncoder().fit_transform(col)
        return output

    def fit_transform(self,X,y=None):
        return self.fit(X,y).transform(X)

有没有办法修改代码并将其更改为用于反转编码器的标签？

谢谢

【问题讨论】：

标签： python scikit-learn categorical-data

【解决方案1】：

为了对数据进行逆变换，您需要记住用于转换每一列的编码器。一种可能的方法是将LabelEncoders 保存在对象内的字典中。它的工作方式：

当您调用 fit 时，每列的编码器都适合并保存
当您致电 transform 时，他们会习惯于转换数据
当您致电 inverse_transform 时，他们会习惯于进行逆变换

示例代码：

class MultiColumnLabelEncoder:

    def __init__(self, columns=None):
        self.columns = columns # array of column names to encode


    def fit(self, X, y=None):
        self.encoders = {}
        columns = X.columns if self.columns is None else self.columns
        for col in columns:
            self.encoders[col] = LabelEncoder().fit(X[col])
        return self


    def transform(self, X):
        output = X.copy()
        columns = X.columns if self.columns is None else self.columns
        for col in columns:
            output[col] = self.encoders[col].transform(X[col])
        return output


    def fit_transform(self, X, y=None):
        return self.fit(X,y).transform(X)


    def inverse_transform(self, X):
        output = X.copy()
        columns = X.columns if self.columns is None else self.columns
        for col in columns:
            output[col] = self.encoders[col].inverse_transform(X[col])
        return output

然后你可以像这样使用它：

multi = MultiColumnLabelEncoder(columns=['city','size'])
df = pd.DataFrame({'city':    ['London','Paris','Moscow'],
                   'size':    ['M',     'M',    'L'],
                   'quantity':[12,       1,      4]})
X = multi.fit_transform(df)
print(X)
#    city  size  quantity
# 0     0     1        12
# 1     2     1         1
# 2     1     0         4
inv = multi.inverse_transform(X)
print(inv)
#      city size  quantity
# 0  London    M        12
# 1   Paris    M         1
# 2  Moscow    L         4

fit_transform 的单独实现可能会调用 LabelEncoders 的相同方法。只需确保在需要逆变换时保留编码器即可。

【讨论】：

【解决方案2】：

您不需要以这种方式修改它。它已经实现为方法inverse_transform。

示例：

from sklearn import preprocessing

le = preprocessing.LabelEncoder()
df = ["paris", "paris", "tokyo", "amsterdam"]

le_fitted = le.fit_transform(df)

inverted = le.inverse_transform(le_fitted)

print(inverted)
# array(['paris', 'paris', 'tokyo', 'amsterdam'], dtype='|S9')

【讨论】：

如果我想在整个数据帧上使用该函数而不是手动列出每一列怎么办？

【解决方案3】：

LabelEncoder() 只能用于编码目标。这就是为什么您不能像任何其他变压器一样在多个列上同时使用它。另一种选择是OrdinalEncoder，它与LabelEncoder 完成相同的工作，但可以同时用于所有分类列，就像OneHotEncoder：

from sklear.preprocessing import OrdinalEncoder

oe = OrdinalEncoder()
X = or.fit_transform(X)

【讨论】：