LabelEncoder和zip python的问题

我有一组列表，每个列表包含属于多个类的字符串实例。我希望将它们编码成数字类，用于培训LSTM。我尝试的是：

from sklearn.preprocessing import LabelEncoder
enc1 = LabelEncoder()
enc2 = LabelEncoder()
enc3 = LabelEncoder()

encoders = [enc1, enc2, enc3]
labels = [y1, y2, y3]

for i,j in zip(encoders, labels):
    j = i.fit_transform(j)

但是，当我尝试时，所有列表的输出仍然是相同的字符串类：

print(format(Counter(y2)))
# Out: Counter({'m': 125585, 'f': 52589})

只有单独编码时，

LabelEncoder

才能工作，显示整数类：

y2 = enc2.fit_transform(y2)
print(format(Counter(y2)))
# Out: Counter({1: 52589, 0: 125585})

---

zip

方法会有什么问题？

更干净、更具Python风格的解决方案是列表理解：

---

。。。这将避免在循环中重复使用

j

时出现错误。

如果将label\u编码器的输出分配给临时循环变量

j

，它将不会反映在实际列表中。您需要明确地替换列表中的元素，或者最好创建一个新列表。

transformed = [i.fit_transform(j) for i, j in zip(encoders, labels)]