Python 在scikitlearn中为系列使用LabelEncoder

我在数据集中有一列，它有分类值，我想把它们转换成数值。我试图使用LabelEncoder，但这样做会出错

from sklearn.preprocessing import LabelEncoder
m = hsp_train["Alley"]
m_enc = LabelEncoder()
j = m_enc.fit_transform(m)

我得到一个错误：

无序类型：float（）>str（）

列中的序列有3个值。我希望它们分别为0、1、2，但我得到了这个错误

我也试过：

l = hsp_train["Alley"]
l_enc = pd.factorize(l)
hsp_train["Alley"] = l_enc[0]

---

但这给了我价值观——1，1，2。我不想要，我想要从1开始。

很明显，序列中缺少值。如果要从序列中删除

NaN

值，只需执行

hsp\u train[“Alley”]。dropna（）

插图：

df = pd.DataFrame({'Categorical': ['apple', 'mango', 'apple', 
                                   'orange', 'mango', 'apple', 
                                   'orange', np.NaN]})

使用

LabelEncoder

对分类标签进行编码：

enc = LabelEncoder()
enc.fit_transform(df['Categorical'])

给出：

TypeError:无序类型：float（）>str（）

默认情况下，执行

pd.factorize

会自动将-1分配给缺少的值，因此您可以获得这些值：

pd.factorize(df['Categorical'])[0]
array([ 0,  1,  0,  2,  1,  0,  2, -1])

---

如果您不想识别<代码> n>代码>值，将其视为任何字符串，则可以在使用“代码> NaasFiels：

读取过程的同时执行”

df = pd.read_csv(data, na_filter=False, ...)

它还大大提高了读取相对较大文件的性能

---

或者，您可以使用

fillna

将所有

NaN

值填充到您选择的所需字符串：

df.fillna('Na', inplace=True)

---

这会将所有

NaN

值替换为字符串值“Na”，您可以像以前一样继续操作。

谢谢@Nickil的解释，但是如果我想要缺少的值，它实际上是一个被描述为“Na”的类别（熊猫将其作为NaN值），该怎么办要成为第三类吗？据我所知，OneHotEncoder对整数很有用，而pandas.get_dummies会增加我不想要的列数。