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在Python中重新编码分类变量,python,scikit-learn,feature-extraction,categorical-data,Python,Scikit Learn,Feature Extraction,Categorical Data,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
“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!