LabelEncoding 您的功能是一种不好的做法

你应该避免使用LabelEncoder来编码你的输入特征！不相信我？这是 scikit-learn 的官方文档中LabelEncoder所说的：

这个转换器应该用于编码目标值，即y，而不是输入X。

这就是为什么它被称为标签编码。

为什么你不应该使用LabelEncoder来编码特征。

该编码器只是将特征的唯一值映射到整数。例如，假设我们要编码一个名为shirt color的特征，它表示某人所穿衬衫的颜色。此功能具有价值['red', 'green', 'blue', ...]。如果您将这些编码为整数，即[1, 2, 3, ...]，您可能会混淆您的模型，因为您现在已经给出了与现实世界中不存在red < greed < blue的这些值的关系，例如或red + green = blue。这种类型的特征称为名义特征，最好应该是one-hot 编码的。

但是，有些功能您可能希望将它们的值映射到整数。这些被称为ordinal。例如，特征rating，它具有 values ['bad', 'good', 'excellent', ...]。通过将这些映射到整数，您实际上保留了这些值在现实世界中所持有的关系，例如bad < good < excellent. 但是有一个问题，为了执行上述操作，您需要将每个值映射到一个特定的整数（例如，我们不能 map 'good' -> 1, 'bad' -> 2, 'excellent' -> 3，因为这不会保留这些值的真实关系）。但是，计算机不知道将哪个数字映射到每个值，因此，即使您LabelEncoder在序数变量上使用，它很可能也不会生成正确的编码。

如何正确编码序数特征

编码有序变量的更合适的方法是手动选择映射。这需要更多的工作，并且不像对所有值进行编码的单线那样优雅，但它是唯一正确的方法。让我们看看我们如何在 pandas 中做到这一点。

custom_mapping = {'bad': 1, 'good': 2, 'excellent': 3}


df['rating'] = df['rating'].map(custom_mapping)

显然，这需要对每个序数特征进行。

在这一点上，我认为很明显我强烈建议不要使用LabelEncoder，但如果你仍然想这样做，至少要正确地做。

如果您仍想使用 LabelEncoding

虽然@ggordon 和@Anan Srivastava 的两个答案都可以满足您的需求，但它们在实践中并没有太大价值。问题在于，如果不将拟合值绑定LabelEncoder到变量，您将失去从类别到数字的映射。如果您想预测未来的数据，您将不知道使用哪个数字对每个类别进行编码。

扩展@ggordon的回答

columns_to_be_encoded = [...]  # list of column names you want encoded

# Instantiate the encoders
encoders = {column: LabelEncoder() for column in columns_to_be_encoded}

for column in columns_to_be_encoded:
    df[column] = encoders[column].fit_transform(df[column])

这样，您就有了一个合适的编码器字典，以便您可以根据需要重用相同的编码。

你可以试试

for column in object_columns:
    df[column] = LabelEncoder().fit_transform(df[column])

df.apply(LabelEncoder().fit_transform)

这将对所有列进行标签编码

+1 到@Djib2011：LabelEncoder用于目标/标签，不适用于其他数据列。另外，我同意通常你不想要序数编码，因为 one-hot 更忠实于原始数据。

但是，如果您确实想进行序数编码，有一个更好的方法：OrdinalEncoder. 如果您希望它仅适用于某些列，您可以使用ColumnTransformer，例如

encoder = ColumnTransformer(
              transformers=[('ord_enc', OrdinalEncoder(), object_columns)],
              remainder='passthrough'
              )
df_enc = encoder.fit_transform(df)