Python 使用sklearns'时，如何检查为哪个标签分配了什么值；LabelEncoder（）？

为了机器学习的目的，我正在将分类数据转换为数值

举个例子，汽车的购买价格（“购买”变量）分为：“vhigh、high、med、low”。 为了将其转换为数值，我使用了：

le = preprocessing.LabelEncoder()
buying = le.fit_transform(list(data["buying"]))

---

有没有办法检查Python如何准确地将这些标签转换为数值，因为这是随机进行的（例如vhigh=0，high=2）

您可以在数据框中创建一个额外的列来映射值：

mapping_df = data[['buying']].copy() #Create an extra dataframe which will be used to address only the encoded values
mapping_df['buying_encoded'] = le.fit_transform(data['buying'].values) #Using values is faster than using list

下面是一个完整的工作示例：

import pandas as pd
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
data = pd.DataFrame({'index':[0,1,2,3,4,5,6],
        'buying':['Luffy','Nami','Luffy','Franky','Sanji','Zoro','Luffy']})
data['buying_encoded'] = le.fit_transform(data['buying'].values)
data = data.drop_duplicates('buying').set_index('index')
print(data)

输出：

       buying  buying_encoded
index                        
0       Luffy               1
1        Nami               2
3      Franky               0
4       Sanji               3
5        Zoro               4

{'buying_encoded': {'Luffy': 1, 'Nami': 2, 'Franky': 0, 'Sanji': 3, 'Zoro': 4}}

{'Luffy': 1, 'Nami': 2, 'Franky': 0, 'Sanji': 3, 'Zoro': 4}

---

您还可以获得映射到类别的字典，如下所示 从@celius stingher停下来的地方开始

d1=data.drop\u duplicates（'busing'）。drop（'index'，axis=1）。set\u index（'busing'））
印刷品（d1）

输出：

       buying  buying_encoded
index                        
0       Luffy               1
1        Nami               2
3      Franky               0
4       Sanji               3
5        Zoro               4

{'buying_encoded': {'Luffy': 1, 'Nami': 2, 'Franky': 0, 'Sanji': 3, 'Zoro': 4}}

{'Luffy': 1, 'Nami': 2, 'Franky': 0, 'Sanji': 3, 'Zoro': 4}

购买编码的
购买
路飞1号
纳米2
弗兰基0
三机3
佐罗4号

要将此输出转换为字典

dict\u map=d1.to\u dict（）
打印（dict_地图）

输出：

       buying  buying_encoded
index                        
0       Luffy               1
1        Nami               2
3      Franky               0
4       Sanji               3
5        Zoro               4

{'buying_encoded': {'Luffy': 1, 'Nami': 2, 'Franky': 0, 'Sanji': 3, 'Zoro': 4}}

{'Luffy': 1, 'Nami': 2, 'Franky': 0, 'Sanji': 3, 'Zoro': 4}

因此，我们可以通过从返回的

Dict

print（dict\u map['buying\u encoded']）

输出：

       buying  buying_encoded
index                        
0       Luffy               1
1        Nami               2
3      Franky               0
4       Sanji               3
5        Zoro               4

{'buying_encoded': {'Luffy': 1, 'Nami': 2, 'Franky': 0, 'Sanji': 3, 'Zoro': 4}}

{'Luffy': 1, 'Nami': 2, 'Franky': 0, 'Sanji': 3, 'Zoro': 4}