Python 带有句子或长文本的列的标签编码-keras

我一直在寻找如何用长或短文本对多个列进行编码，但我真的找不到任何好的解决方案。以下是我的数据集中的一个示例：

IP         Country  Domain          Attack           Signature          Thread
0.0.0.0.0  US       somedomain.net  compromized site 8787tgd9347343dex  yes
1.1.1.1.1  US       otherdomain.net trojan           74384399rfg99737h1 yes

到目前为止，我已经尝试了

sklearn

中的

LabelEncoder

和

onehotcoder

，但都不起作用。非常感谢任何反馈、帮助或指导

编辑

---

我想我会提供更多关于我努力实现的细节

import pandas as pd
from sklearn.preprocessing import LabelEncoder, OneHotEncoder, StandardScaler

df = pd.read_csv("export.csv", sep=",")

labelencoder = LabelEncoder()

def encoder(x = len(df.columns)):
    for i in range(x):
        df.iloc[:, i] = labelencoder.fit_transform(df.iloc[:, i])

encoder()

现在，我有一个数据框，如下所示：

然而，这看起来不是正确的方法

---

谢谢

您可以从

sklearn.feature\u extraction

import pandas as pd
from sklearn.feature_extraction import DictVectorizer

data=pd.read_csv('export.csv',encoding = "utf-8", header=0)
vectorizer = DictVectorizer(sparse=False)
X = vectorizer.fit_transform(data[data.columns[0:]].to_dict("records"))

print(X)

对于以下输入：

          IP Country           Domain            Attack           Signature Thread
0  0.0.0.0.0      US   somedomain.net  compromized site   8787tgd9347343dex    yes
1  1.1.1.1.1      US  otherdomain.net            trojan  74384399rfg99737h1    yes

输出如下所示：

[[0. 1. 1. 0. 1. 1. 0. 0. 1. 1.]
 [1. 0. 0. 1. 1. 0. 1. 1. 0. 1.]] 

假设所有列都是培训功能，如果最后一列“Thread”是标签，则应修改代码：

ln=(len(data.columns)-1)
vectorizer = DictVectorizer(sparse=False)
X = vectorizer.fit_transform(data[data.columns[0:ln]].to_dict("records"))
Y = data[data.columns[ln]]

---

我希望这能帮助你

谢谢@Jithin让我试试。我会回复你的。当然@Infinite_Loop，让我知道你好@Jithin，再次感谢你的回答。我最终使用了keras标记器函数，但你给了我正确的方向，所以我会接受你的回答。