Scikit learn 理解普通编码器语法

我很难理解

OrdinalEncoder

的语法

在文档中，对于我来说，在提供的示例中不太清楚：

from sklearn.preprocessing import OrdinalEncoder
enc = OrdinalEncoder()
X = [['Male', 1], ['Female', 3], ['Female', 2]]
enc.fit(X)
enc.categories_
[array(['Female', 'Male'], dtype=object), array([1, 2, 3], dtype=object)]
enc.transform([['Female', 3], ['Male', 1]])

输出：

数组（[[0,2.]，[1,0.]]）

我的第一个问题是矩阵

X

在这里代表什么？因为代码如下：

from sklearn.preprocessing import OrdinalEncoder
enc = OrdinalEncoder(categories = [["Low", "High", "Medium"]])
df[["ScoreText"]] = enc.fit_transform(df[["ScoreText"]])

同样有效，对我来说似乎更容易理解。然而，为什么

类别

必须是

矩阵

tho

---

我的第二个问题是，为什么在转换数据帧的一列时需要添加双精度的

[]

？

我将尝试逐一回答您的问题

矩阵

X

代表什么？在我看来，它似乎代表了三个观察值的列表，每个观察值有两个属性，即性别和数字的指示。例如，

['Male'，1]

是一种观察，而

['Female'，3]

是另一种观察

为什么要将

类别

作为矩阵？为此，您应该咨询。据指出：

categories[i]

保存第i列中所需的类别

因此，

categories

是一个数组类列表，因此可以确定哪些类别用于哪些列，以防变换多个列

转换数据帧的一列时，为什么需要添加双精度的

[]

？这是由于

pandas

的索引和选择规则造成的。实际上，如果您只想选择一列，则在单个

[]

中使用单个标签就足够了（例如

df[“ScoreText”]

）。但是，

pandas

随后将返回一个

系列

对象，该对象是一个1d形状数组

（n_示例，）

。相反，当选择具有双

[]

的单列时，将返回形状为

（n_samples，1）

的

数据帧

对象。由于兼容性的原因，这种差异很重要，因为许多变压器或编码器都在等待一个类似2d的阵列（而不是系列）。有关索引和选择规则的更多信息，请阅读

---

编辑 在第一个示例中，

OrdinalEncoder

的工作原理如下：

fit（）

将根据其属性评估提供的矩阵，并确定每个矩阵中的类别。如前所述，

X

显然具有上述两个属性。您使用已安装编码器的

类别

属性检查了结果。您可以看到编码器找到了两个属性，并列出了相应的类别：

#第一个属性，分类为女性和男性
数组（['Female'，'Male'，dtype=object）
#类别为1、2、3的第二个属性
数组（[1,2,3]，dtype=object）

OrdinalEncoder

的

transform（）

方法将每个属性编码为一个整数数组，其中数字为0到n_类别-1。因此：

[‘女性’、‘男性’]-->[0,1]
[1, 2, 3] --> [0, 1, 2]

---

使用上面的转换规则，您现在可以看到为什么例如

['Female'，3]

将被转换为

[0,2]

谢谢。你能试着解释一下第一个例子吗？因为我看不到

fit

和

transform

是如何发生的。编辑了答案。希望它有助于理解。确实如此，现在我看到它“自动”编码传递的值。谢谢