LabelEncoder

class sklearn.preprocessing.LabelEncoder

使用0和n_classes-1之间的值对目标标签进行编码。

这个Transformer应该用于编码目标值， i.e. y ，而不是输入 X .

阅读更多的 User Guide .

Added in version 0.12.

属性:

classes_形状的nd数组（n_classes，）

持有每个类别的标签。

参见

OrdinalEncoder

使用有序编码方案对类别特征进行编码。

OneHotEncoder

将类别功能编码为一热数字数组。

示例

LabelEncoder 可用于规范化标签。

>>> from sklearn.preprocessing import LabelEncoder
>>> le = LabelEncoder()
>>> le.fit([1, 2, 2, 6])
LabelEncoder()
>>> le.classes_
array([1, 2, 6])
>>> le.transform([1, 1, 2, 6])
array([0, 0, 1, 2]...)
>>> le.inverse_transform([0, 0, 1, 2])
array([1, 1, 2, 6])

它还可以用于将非数字标签（只要它们是可哈希且具有可比性的）转换为数字标签。

>>> le = LabelEncoder()
>>> le.fit(["paris", "paris", "tokyo", "amsterdam"])
LabelEncoder()
>>> list(le.classes_)
[np.str_('amsterdam'), np.str_('paris'), np.str_('tokyo')]
>>> le.transform(["tokyo", "tokyo", "paris"])
array([2, 2, 1]...)
>>> list(le.inverse_transform([2, 2, 1]))
[np.str_('tokyo'), np.str_('tokyo'), np.str_('paris')]

fit(y)

安装标签编码器。

参数:

y形状类似阵列（n_samples，）

目标值。

返回:

self返回自我的实例。

安装标签编码器。

fit_transform(y)

调整标签编码器并返回编码标签。

参数:

y形状类似阵列（n_samples，）

目标值。

返回:

y形状类似阵列（n_samples，）

编码标签。

get_metadata_routing()

获取此对象的元数据路由。

请检查 User Guide 关于路由机制如何工作。

返回:

routingMetadataRequest

A MetadataRequest 封装路由信息。

get_params(deep=True)

获取此估计器的参数。

参数:

deep布尔，默认=True

如果为True，将返回此估计量和包含的作为估计量的子对象的参数。

返回:

paramsdict

参数名称映射到其值。

inverse_transform(y)

将标签转换回原始编码。

参数:

y形状类似阵列（n_samples，）

目标值。

返回:

y形状的nd数组（n_samples，）

原始编码。

set_output(*, transform=None)

设置输出容器。

看到 介绍 set_output API 了解如何使用API的示例。

参数:

transform{“默认”，“pandas”，“polars”}，默认=无

配置输出 transform 和 fit_transform .

• "default" ：Transformer的默认输出格式

• "pandas" ：DataFrame输出

• "polars" ：两极输出

• None ：转换配置不变

Added in version 1.4: "polars" 添加了选项。

返回:

self估计器实例

估计实例。

set_params(**params)

设置此估计器的参数。

该方法适用于简单估计器以及嵌套对象（例如 Pipeline ).后者具有以下形式的参数 <component>__<parameter> 以便可以更新嵌套对象的每个组件。

参数:

**paramsdict

估计参数。

返回:

self估计器实例

估计实例。

transform(y)

将标签转换为规范化编码。

参数:

y形状类似阵列（n_samples，）

目标值。

返回:

y形状类似阵列（n_samples，）

标记为规范化编码。