LabelEncoder#

class sklearn.preprocessing.LabelEncoder#

编码目标标签，使其值在0到n_classes-1之间。

这个转换器应用于编码目标值，即 y ，而不是输入 X 。

更多信息请参阅用户指南。

Added in version 0.12.

Attributes:

classes_ndarray 形状为 (n_classes,): 保存每个类别的标签。

See also

OrdinalEncoder: 使用序数编码方案编码分类特征。
OneHotEncoder: 将分类特征编码为独热数值数组。

Examples

LabelEncoder 可以用于标准化标签。

>>> from sklearn.preprocessing import LabelEncoder
>>> le = LabelEncoder()
>>> le.fit([1, 2, 2, 6])
LabelEncoder()
>>> le.classes_
array([1, 2, 6])
>>> le.transform([1, 1, 2, 6])
array([0, 0, 1, 2]...)
>>> le.inverse_transform([0, 0, 1, 2])
array([1, 1, 2, 6])

它还可以用于将非数值标签（只要它们是可哈希且可比较的）转换为数值标签。

>>> le = LabelEncoder()
>>> le.fit(["paris", "paris", "tokyo", "amsterdam"])
LabelEncoder()
>>> list(le.classes_)
['amsterdam', 'paris', 'tokyo']
>>> le.transform(["tokyo", "tokyo", "paris"])
array([2, 2, 1]...)
>>> list(le.inverse_transform([2, 2, 1]))
['tokyo', 'tokyo', 'paris']

fit(y)#

适配标签编码器。

Parameters:

yarray-like of shape (n_samples,): 目标值。

Returns:

selfreturns an instance of self.: 适配后的标签编码器。

fit_transform(y)#

拟合标签编码器并返回编码后的标签。

Parameters:

y形状为 (n_samples,) 的类数组: 目标值。

Returns:

y形状为 (n_samples,) 的类数组: 编码后的标签。

get_metadata_routing()#

获取此对象的元数据路由。

请查看用户指南以了解路由机制的工作原理。

Returns:

routingMetadataRequest: MetadataRequest 封装的路由信息。

get_params(deep=True)#

获取此估计器的参数。

Parameters:

deepbool, 默认=True: 如果为True，将返回此估计器和包含的子对象（也是估计器）的参数。

Returns:

paramsdict: 参数名称映射到它们的值。

inverse_transform(y)#

将标签转换回原始编码。

Parameters:

yarray-like of shape (n_samples,): 目标值。

Returns:

yndarray of shape (n_samples,): 原始编码。

set_output(*, transform=None)#

设置输出容器。

请参阅介绍 set_output API 以了解如何使用API的示例。

Parameters:

transform{“default”, “pandas”, “polars”}, 默认=None

配置 transform 和 fit_transform 的输出。

"default" : 转换器的默认输出格式
"pandas" : DataFrame 输出
"polars" : Polars 输出
None : 转换配置不变

Added in version 1.4: "polars" 选项已添加。

Returns:

self估计器实例: 估计器实例。

set_params(**params)#

设置此估计器的参数。

该方法适用于简单估计器以及嵌套对象（例如 Pipeline ）。后者具有形式为 <component>__<parameter> 的参数，以便可以更新嵌套对象的每个组件。

Parameters:

**paramsdict: 估计器参数。

Returns:

selfestimator instance: 估计器实例。

transform(y)#

转换标签为标准化编码。

Parameters:

y形状为 (n_samples,) 的类数组: 目标值。

Returns:

y形状为 (n_samples,) 的类数组: 标准化编码的标签。