Python 3.x 如何对具有多个数据类型的数据集进行编码？

我有这样一个数据集：

e=pd.DataFrame({
'col1'：['A'，'A'，'B'，'W'，'F'，'C']，
'col2'：[2,1,9,8,7,4]，
'col3'：[0,1,9,4,2,3]，
‘col4’：[‘a’、‘B’、‘c’、‘D’、‘e’、‘F’]
})

在这里，我使用

sklearn.preprocessing.LabelEncoder

对数据进行编码。通过以下代码行：

x=列表（如列）
#导入标签编码器
从sk学习导入预处理
#label\u编码器对象知道如何理解单词标签。
label_encoder=预处理.LabelEncoder（）
对于x中的i：
#对“物种”列中的标签进行编码。
e[i]=标签编码器。拟合变换（e[i]）
打印（e）

但这甚至是对

int

类型的数字数据点进行编码，这不是必需的

编码数据集：

col1  col2  col3  col4
0     0     1     0     3
1     0     0     1     0
2     1     5     5     4
3     4     4     4     1
4     3     3     2     5
5     2     2     3     2

---

如何纠正这一点？

一个非常简单的可能性是只使用字符串值对列进行编码。例如，将代码调整为：

import pandas as pd
from sklearn import preprocessing 


e = pd.DataFrame({
    'col1': ['A', 'A', 'B', 'W', 'F', 'C'],
    'col2': [2, 1, 9, 8, 7, 4],
    'col3': [0, 1, 9, 4, 2, 3],
    'col4': ['a', 'B', 'c', 'D', 'e', 'F']
})


label_encoder = preprocessing.LabelEncoder() 
for col in e.columns:  
    if e[col].dtype == 'O':
        e[col] = label_encoder.fit_transform(e[col])

print(e) 

或者更好：

import pandas as pd
from sklearn import preprocessing 


def encode_labels(ser):
    if ser.dtype == 'O':
        return label_encoder.fit_transform(ser)
    else:
        return ser


label_encoder = preprocessing.LabelEncoder() 
e = pd.DataFrame({
    'col1': ['A', 'A', 'B', 'W', 'F', 'C'],
    'col2': [2, 1, 9, 8, 7, 4],
    'col3': [0, 1, 9, 4, 2, 3],
    'col4': ['a', 'B', 'c', 'D', 'e', 'F']
})


e_encoded = e.apply(encode_labels)
print(e_encoded)

---

过滤并使预处理适应列类型是正确的想法，最有效的方法是使用管道

from sklearn.compose import ColumnTransformer
from sklearn.compose import make_column_selector
from sklearn.preprocecssing import LabelEncoder, StandardScaler

示例1：根据列名应用转换器 示例2：根据列类型应用变压器 显然，用您选择的转换器替换LabelEncoder和StandardScaler，包括一个自定义转换器：

class MyCustomTransformer(BaseEstimator, TransformerMixin):
    def __init__(self):
        # do something
    
    def fit(self, X, y = None):
        # do something
        return self

    def transform(self, X, y = None):
        # do something
        # return something transformed

更进一步，我建议使用scikit学习管道根据列和/或列类型组合不同的预处理（这将更加灵活）

请参见此处的课程详细信息：

---

非常感谢您的描述性回答！我会研究这个。

my_transformer2 = ColumnTransformer(
                     [
                         ('transform_name_categories', LabelEncoder(), make_column_selector(dtype_include=object)),
                         ('transformer_name_for_numerical', StandardScaler(), make_column_selector(dtype_include=np.number))
                     ]
                 )

class MyCustomTransformer(BaseEstimator, TransformerMixin):
    def __init__(self):
        # do something
    
    def fit(self, X, y = None):
        # do something
        return self

    def transform(self, X, y = None):
        # do something
        # return something transformed