python - 使用sklearn以给定顺序编码类别特征

我需要在数据集中编码分类特征。我希望对它们进行排序，以使“低”变为0，而“高”变为3。
我尝试使用预处理中的标签编码器：

from sklearn import preprocessing
le = preprocessing.LabelEncoder()
le.fit(['low', 'med', 'high', 'vhigh'])
ar = le.transform(df[df["buying"] == 'low']["buying"])

不幸的是，功能没有排序：第4行返回一个1的数组，而我想要一个零的数组。

我尝试创建另一个将数字映射到所需数字的编码器。但这似乎没有结果。

other_le = preprocessing.LabelEncoder()
other_le.fit([1, 2, 0, 3])
other_le.transform(ar)

最后一行再次返回。

如何以最短的方式对分类特征进行排序？

最佳答案

LabelEncoder将根据Python内置sorted()函数的输出对功能进行排序，在这种情况下，这些功能将按字母顺序对它们进行排序。编写自己的函数以保持所需顺序的方式标记它们并不难：

def label( array ):
    labels = ['low', 'med', 'high', 'vhigh']
    return map( labels.index, array )

关于python - 使用sklearn以给定顺序编码类别特征，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/49158724/