Sklearn 预处理标签编码器为多列抛出错误

Question

我有 pandas 具有以下结构的数据框

item_condition_id                     category
brand_name                            category
price                                  float64
shipping                              category
main_category                         category
category                              category
sub_category                          category
hashing_feature_aa                     float64
hashing_feature_ab                     float64

部分数据示例：

brand_name  shipping  main_category        category
Target         1         Women           Tops & Blouses
unknown        1          Home           Home Décor
unknown        0         Women            Jewelry
unknown        0         Women             Other

我已使用以下代码将分类（字符串）列转换为数字列。

from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
for i in range(len(X)):
    X.iloc[:,i] = le.fit_transform(X.iloc[:,i])

转换后

   brand_name  shipping  main_category  category
        0         1              1         3
        1         1              0         0
        1         0              1         1
        1         0              1         2

这按预期工作，但在尝试应用 inverse_transform 从数字类别中获取原始类别时抛出错误。

for i in range(len(X)):
    X.iloc[:,i] = le.inverse_transform(X.iloc[:,i])

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

在我的案例中如何解决这个错误，我的代码有什么问题？

我的目标是使用标签编码器将分类（字符串）特征转换为数值，以便应用 sklearn.feature_selection.SelectKbest.fit_transform(X,y)，无需标签编码，此步骤是失败。

谢谢

Answer 1

根据您的说明：您的问题是在循环中覆盖了 le 的实例，因此它只在最后一列上进行训练。根据您的代码，我建议将它们放在字典中，例如如下：

from sklearn.preprocessing import LabelEncoder
le = {}
for i in range(len(X)):
    le[i] = LabelEncoder()
    X.iloc[:,i] = le[i].fit_transform(X.iloc[:,i])
# do stuff
for i in range(len(X)):
    X.iloc[:,i] = le[i].inverse_transform(X.iloc[:,i])

但是正如上面评论的那样，也请看this.

Sklearn 预处理标签编码器为多列抛出错误

Sklearn preprocessing label encoder is throwing error for mutiple columns

python

machine-learning

text-analysis

feature-selection

scikit-learn