Python sklearn LabelEncoder中的标签不一致？

我在数据帧上应用了一个

LabelEncoder（）

，它返回以下内容：

encoder = LabelEncoder()
all_values = String_df.values.ravel() #convert the dataframe to one long array
encoder.fit(all_values)
labeled_df = String_df.apply(encoder.transform)

order/new\u cart

s具有不同的标签编码编号，如

70、64、71等

---

这是不一致的标签，还是我在某个地方做错了什么？

LabelEncoder适用于一维数组。如果将其应用于多个列，则它将在列内保持一致，但不会跨列保持一致

作为一种解决方法，您可以将数据帧转换为一维数组，并在该数组上调用LabelEncoder

假设这是数据帧：

df
Out[372]: 
   0  1  2
0  d  d  a
1  c  a  c
2  c  c  b
3  e  e  d
4  d  d  e
5  d  b  e
6  e  e  b
7  a  e  b
8  b  c  c
9  e  a  b

使用ravel，然后进行重塑：

pd.DataFrame(LabelEncoder().fit_transform(df.values.ravel()).reshape(df.shape), columns = df.columns)
Out[373]: 
   0  1  2
0  3  3  0
1  2  0  2
2  2  2  1
3  4  4  3
4  3  3  4
5  3  1  4
6  4  4  1
7  0  4  1
8  1  2  2
9  4  0  1

编辑：

如果要存储标签，则需要保存LabelEncoder对象

le = LabelEncoder()
df2 = pd.DataFrame(le.fit_transform(df.values.ravel()).reshape(df.shape), columns = df.columns)

现在，

le.classes\uu

为您提供类（从0开始）

如果要按标签访问整数，可以构造dict：

dict(zip(le.classes_, np.arange(len(le.classes_))))
Out[388]: {'a': 0, 'b': 1, 'c': 2, 'd': 3, 'e': 4}

您可以使用transform方法执行相同的操作，而无需构建dict：

le.transform('c')
Out[395]: 2

您的对象正在重新适应数据帧的每一列。 由于and函数的工作方式，您无意中在框架的每一列上调用了fit函数。让我们看一下下面这行发生了什么：

labeled_df = String_df.apply(LabelEncoder().fit_transform)

创建一个新的

LabelEncoder

对象

调用

apply

传入

fit\u transform

方法。对于

DataFrame

中的每一列，它将调用编码器上的

fit\u transform

，并将该列作为参数传入。这有两件事：
A.重新安装编码器（修改其状态） B.根据编码器和新配件返回列元素的代码

代码在列之间不一致，因为每次调用fit_transform时，LabelEncoder对象都可以选择新的转换代码

如果希望代码在列之间保持一致，则应将LabelEncoder与整个数据集相匹配。 然后将变换函数传递给应用函数，而不是fit_变换函数。您可以尝试以下操作：

encoder = LabelEncoder()
all_values = String_df.values.ravel() #convert the dataframe to one long array
encoder.fit(all_values)
labeled_df = String_df.apply(encoder.transform)

---

谢谢你的回答。有什么方法可以得到字符串的映射和它对应的编码标签吗？喜欢

订单/新购物车，非常感谢。但是，
le.classes\uu
返回以下错误：
AttributeError:'LabelEncoder'对象没有属性'classes'
，这是我的错误，抱歉。分配
le=LabelEncoder
后，需要对该对象调用fit\u transform。请再次查看以“编辑”开头的零件。