在Python中重新编码分类变量

我一直在尝试使用Anaconda发行版学习Python 3.6。我正在使用的在线课程的内容遇到了问题，可能需要一些帮助来处理一些错误消息。我当然会问老师，但他们似乎对学生提出的问题反应不太积极

我在使用三个主要类重新编码分类数据时遇到了一些问题。据我所知，从scikitlearn包中提取了三个类用于记录变量：LabelEncoder、OneHotEncoder和LabelBinarizer。我曾尝试使用每种方法在数据集中重新编码一个分类变量，但每次都会出错

请原谅我对样品代码的不了解。正如人们可能已经猜到的那样，我的问题是卑鄙的，我并不精通python

对象X包含几列，第一列是我需要转换的分类字符串（如果有人也能告诉我如何插入表，那会很有帮助。我必须使用HTML吗？）

“鱼”15 3
“狗”26 9
“狗”8
“猫”576
“猫”6

标签编码器尝试

下面是我试图实现的代码，以及我收到的对象X的错误消息，该对象的属性与我上面描述的大致相同

from sklearn.preprocessing import LabelEncoder
labelencoder_X =LabelEncoder 
X[:, 0] = LabelEncoder.fit_transform(X[:, 0])

TypeError: fit_transform() missing 1 required positional argument: 'y'

让我感到困惑的是，我认为上面的代码清楚地定义了y是什么，X的第一列

OneHotEncoder

from sklearn.preprocessing import OneHotEncoder 
onehotencoder = OneHotEncoder(categorical_features=[0]) 
X = onehotencoder.fit_transform[X].toarray()

TypeError: 'method' object is not subscriptable

from sklearn.preprocessing import LabelEncoder
labelencoder_X =LabelEncoder 
X[:, 0] = LabelEncoder.fit_transform(X[:, 0])

标签二值化器

from sklearn.preprocessing import OneHotEncoder 
onehotencoder = OneHotEncoder(categorical_features=[0]) 
X = onehotencoder.fit_transform[X].toarray()

TypeError: 'method' object is not subscriptable

from sklearn.preprocessing import LabelEncoder
labelencoder_X =LabelEncoder 
X[:, 0] = LabelEncoder.fit_transform(X[:, 0])

我发现这是最难理解的一个，实际上无法根据数据集的结构进行尝试

---

你所能提供的任何指导或建议都会有无穷的帮助。

让我们一步一步来

首先加载在名为X的numpy数组中显示的数据

import numpy as np
X = np.array([["Fish", 1, 5, 3],
              ["Dog",  2, 6, 9],
              ["Dog",  8, 8, 8],
              ["Cat",  5, 7, 6],
              ["Cat",  6, 6, 6]])

现在试试你的密码

1）标签编码

from sklearn.preprocessing import OneHotEncoder 
onehotencoder = OneHotEncoder(categorical_features=[0]) 
X = onehotencoder.fit_transform[X].toarray()

TypeError: 'method' object is not subscriptable

from sklearn.preprocessing import LabelEncoder
labelencoder_X =LabelEncoder 
X[:, 0] = LabelEncoder.fit_transform(X[:, 0])

这里的错误之处在于，您使用类

LabelEncoder

作为对象，在其上调用

fit\u transform

。因此，通过以下方式更正：

from sklearn.preprocessing import LabelEncoder
labelencoder_X =LabelEncoder()
X[:, 0] = labelencoder_X.fit_transform(X[:, 0])

参见上文第2行和第3行中的更改。首先，我通过调用

labelencoder（）

创建了

labelencoder

类的对象

labelencoder\ux

，然后使用

labelencoder\ux.fit\u transform（）

使用该对象调用fit\u transform（）。那么该代码不会给出任何错误，新的X是：

Output:
array([['2', '1', '5', '3'],
       ['1', '2', '6', '9'],
       ['1', '8', '8', '8'],
       ['0', '5', '7', '6'],
       ['0', '6', '6', '6']], dtype='|S4')

请确保第一列已成功更改

2）OneHotEncoder

from sklearn.preprocessing import OneHotEncoder 
onehotencoder = OneHotEncoder(categorical_features=[0]) 
X = onehotencoder.fit_transform[X].toarray()

TypeError: 'method' object is not subscriptable

from sklearn.preprocessing import LabelEncoder
labelencoder_X =LabelEncoder 
X[:, 0] = LabelEncoder.fit_transform(X[:, 0])

您的代码：

from sklearn.preprocessing import OneHotEncoder 
onehotencoder = OneHotEncoder(categorical_features=[0]) 
X = onehotencoder.fit_transform[X].toarray()

现在，你不是在犯你在LabelEncoder中犯的错误。通过调用

OneHotEncoder（…）

可以正确初始化对象。但是使用

fit\u transform[X]

时犯了一个错误。您可以看到，

fit\u transform

是一种方法，应该使用圆括号调用：

fit\u transform（）

有关错误的详细信息，请参阅

正确的代码应为：

from sklearn.preprocessing import OneHotEncoder 
onehotencoder = OneHotEncoder(categorical_features=[0]) 
X = onehotencoder.fit_transform(X).toarray()

Output: 
array([[0., 0., 1., 1., 5., 3.],
       [0., 1., 0., 2., 6., 9.],
       [0., 1., 0., 8., 8., 8.],
       [1., 0., 0., 5., 7., 6.],
       [1., 0., 0., 6., 6., 6.]])

注意：上面的代码应该在已经用LabelEncoder转换的X上调用。如果在原始X上使用它，它仍然会抛出错误

3）LabelBinarizer 这与LabelEncoder没有什么不同，只是它将对提供的列进行一次热编码

from sklearn.preprocessing import LabelBinarizer
labelencoder_X =LabelBinarizer()
new_binarized_val = labelencoder_X.fit_transform(X[:, 0])

Output:
array([[0, 0, 1],
       [0, 1, 0],
       [0, 1, 0],
       [1, 0, 0],
       [1, 0, 0]])

注意：我在您的问题的原始X上使用的LabelBinarizer代码，而不是已经编码的代码。并且输出仅显示第一列的二进制形式

---

希望这能说明问题

啊，现在一切都有意义了。我没意识到LabelEncoder链接到了一个HotEncoder上。我认为它们是分开的进程，试图做同样的事情。我发现有一个网站建议您需要在OneHotEncoder中使用括号来引用X，但这不起作用。我现在明白了我仍然收到错误的原因是因为在LabelEncoder中发现的错误。非常感谢！