Python 将字符串数据转换为决策树的数字

我正在尝试将几列字符串数据转换为数字，以输入分类模型。具有一个修改列的示例数据集为：

输入：

输出：

我意识到scikit learn不能很好地处理字符串数据，但现在我真的更愿意继续使用它，如果可能的话。然而，我的问题是如果我使用

sklearn.preprocessing.LabelEncoder 

我可以使用“.classes_ux”获取一些数值，例如：

输入：

我明白了

输出：

因为这个数组只包含三个值，所以我不能使用

数据['Name']=VAL

用于分配，因为我的列长度为4，VAL长度为3

考虑到这一点，在scikit learn中是否有其他方法可以实现这一点，或者是我使用其他库的唯一选择？

尝试以下方法：

le = preprocessing.LabelEncoder()
data['Name']= le.fit_transform(data['Name'])

---

这将为整个列指定标签。

您也可以这样做：

pd.get_dummies(data=data, columns=['Name'])

输出：

  Age  Name_juli  Name_nick  Name_tom
0  10          0          0         1
1  15          0          1         0
2  14          1          0         0
3  12          0          1         0

现在，您的数据已准备好进行模型培训。通常，OneHot编码比LabelEncoding好，因为LabelEncoding意味着名字之间存在数字关系。如果Juli==0，Nick==1，Tom==2，则表示July

le = preprocessing.LabelEncoder()
le.fit(data['Name'])
le.classes_
vals = le.transform(data['Name'])
vals

使用fitdata['Name']时，实际上可以使用fitdata['Name']。唯一，因为只有唯一的值用于拟合，但对于转换，必须使用所有数据

from sklearn.preprocessing import Imputer

imputer =Imputer(missing_values="NaN", strategy='mean', axis=0)

imputer=imputer.fit(X[:,1:3])

X[:,1:3]= imputer.transform(X[:,1:3])

#Concept of Dummy Variable, Handling the conflict of them

from sklearn.preprocessing import LabelEncoder, OneHotEncoder

labelencoder_X = LabelEncoder()
#We have to give the column number necessary to change it in numeric form
X[:,0]=labelencoder_X.fit_transform(X[:,0])

在此处输入代码准备输入功能

# prepare input features
def LABEL_Encoding(X):
    objList = data.select_dtypes(include = "object").columns
    print (objList)
    le = LabelEncoder()
    for feat in objList:
        data[feat] = le.fit_transform(data[feat].astype(str))

    return data

---

vals=le.transformdata['Name']我同意此任务的一种热编码，但也值得一提的是本机sklearn，它可以更容易地在sklearn生态系统中使用啊，谢谢。我最近确实知道你不想要一个隐含的命令，但我有点回过头来，根据我的阅读，我认为get_dummies不是OneHot，而Labelencoded是。谢谢你的更正。那么，如果我需要对数据集中的多个列执行此操作，这个过程会改变吗？我猜不会，因为这只是使用一个布尔值？这只是给我的数据集添加了一些额外的特性。我的理解正确吗？对我来说，pandas更简单，但如果你正在构建管道，那么最好使用OneHotEncoder。如果您想添加更多的列，请将它们添加到columns=['Name']列表中，这很容易，您会自动获得一个更新的数据帧

  Age  Name_juli  Name_nick  Name_tom
0  10          0          0         1
1  15          0          1         0
2  14          1          0         0
3  12          0          1         0

le = preprocessing.LabelEncoder()
le.fit(data['Name'])
le.classes_
vals = le.transform(data['Name'])
vals

from sklearn.preprocessing import Imputer

imputer =Imputer(missing_values="NaN", strategy='mean', axis=0)

imputer=imputer.fit(X[:,1:3])

X[:,1:3]= imputer.transform(X[:,1:3])

#Concept of Dummy Variable, Handling the conflict of them

from sklearn.preprocessing import LabelEncoder, OneHotEncoder

labelencoder_X = LabelEncoder()
#We have to give the column number necessary to change it in numeric form
X[:,0]=labelencoder_X.fit_transform(X[:,0])

onehotencoder=OneHotEncoder(categorical_features =[0])

X=onehotencoder.fit_transform(X).toarray()

# prepare input features
def LABEL_Encoding(X):
    objList = data.select_dtypes(include = "object").columns
    print (objList)
    le = LabelEncoder()
    for feat in objList:
        data[feat] = le.fit_transform(data[feat].astype(str))

    return data