Python 想知道pd.factorize、pd.get_假人、sklearn.preprocessing.LableEncoder和OneHotEncoder之间的区别吗

这四种功能似乎都与我非常相似。在某些情况下，其中一些可能会给出相同的结果，而另一些则不会。感谢您的帮助

现在我知道了，并且我假设在内部，

factorize

和

LabelEncoder

以相同的方式工作，并且在结果方面没有很大的差异。我不确定它们是否会占用大量数据的类似时间

get\u dummies

和

onehotcoder

将产生相同的结果，但是

onehotcoder

只能处理数字，但是

get\u dummies

将接受各种输入

get_dummies

将为每个列输入自动生成新列名，但

onehotcoder

不会（它将指定新列名1,2,3…）。因此，

get_dummies

在各个方面都更好

---

如果我错了，请纠正我！谢谢大家!

这四个编码器可分为两类：

• 将标签编码到分类变量中：熊猫

  因子分解

  和scikit学习

  标签编码

  。结果将有一个维度
• 将分类变量编码为虚拟/指示器（二进制）变量：Pandas

  get_dummies

  和scikit learn

  onehotcoder

  。结果将有n个维度，一个维度由编码的分类变量的不同值决定

pandas和scikit学习编码器之间的主要区别在于，scikit学习编码器用于scikit学习管道，采用

fit

和

transform

方法

将标签编码为分类变量 熊猫

factorize

和scikit learn

LabelEncoder

属于第一类。它们可用于创建分类变量，例如将字符转换为数字

from sklearn import preprocessing    
# Test data
df = DataFrame(['A', 'B', 'B', 'C'], columns=['Col'])    
df['Fact'] = pd.factorize(df['Col'])[0]
le = preprocessing.LabelEncoder()
df['Lab'] = le.fit_transform(df['Col'])

print(df)
#   Col  Fact  Lab
# 0   A     0    0
# 1   B     1    1
# 2   B     1    1
# 3   C     2    2

将分类变量编码为伪/指示符（二进制）变量 熊猫

get_dummies

和scikit learn

OneHotEncoder

属于第二类。它们可以用来创建二进制变量

onehotcoder

只能用于分类整数，而

get\u dummies

可以用于其他类型的变量

df = DataFrame(['A', 'B', 'B', 'C'], columns=['Col'])
df = pd.get_dummies(df)

print(df)
#    Col_A  Col_B  Col_C
# 0    1.0    0.0    0.0
# 1    0.0    1.0    0.0
# 2    0.0    1.0    0.0
# 3    0.0    0.0    1.0

from sklearn.preprocessing import OneHotEncoder, LabelEncoder
df = DataFrame(['A', 'B', 'B', 'C'], columns=['Col'])
# We need to transform first character into integer in order to use the OneHotEncoder
le = preprocessing.LabelEncoder()
df['Col'] = le.fit_transform(df['Col'])
enc = OneHotEncoder()
df = DataFrame(enc.fit_transform(df).toarray())

print(df)
#      0    1    2
# 0  1.0  0.0  0.0
# 1  0.0  1.0  0.0
# 2  0.0  1.0  0.0
# 3  0.0  0.0  1.0

---

我还根据这个答案写了一篇更详细的文章。

非常感谢！这是非常清楚的，所以在内部，factorize和LabelEncoder的工作方式是相同的；get_dummies和OneHotEncoder将产生相同的结果，但OneHotEncoder只能处理数字，但get_dummies将正确处理各种输入？在内部，它们的工作方式不同，因为scikit learn编码器分两步工作

拟合
和变换，但它们产生相同的结果。是的，
get_dummies
将接受各种输入。回答很好-您认为您可以在性能方面给我们展示一个快速比较吗？我觉得Sklearn的LabelEncoder比Pandas Factoryzer慢很多，但这只是一种感觉。。。