python - 想知道pd.factorize，pd.get_dummies，sklearn.preprocessing.LableEncoder和OneHotEncoder之间的区别。

Closed. This question needs details or clarity。它当前不接受答案。












想改善这个问题吗？添加详细信息，并通过editing this post阐明问题。

4年前关闭。



Improve this question




这四个功能似乎与我真的很相似。在某些情况下，其中一些可能会给出相同的结果，而有些则不会。任何帮助将不胜感激!

现在我知道了，并且我认为factorize和LabelEncoder在内部是相同的，并且在结果方面没有太大的区别。我不确定它们是否会占用大量数据的相似时间。
get_dummies和OneHotEncoder将产生相同的结果，但是OneHotEncoder仅可处理数字，而get_dummies将接受各种输入。 get_dummies将为每个列输入自动生成新的列名，但是OneHotEncoder不会(它将分配新的列名1,2,3 ....)。所以get_dummies在所有方面都更好。

如果我错了，请纠正我!谢谢!

最佳答案

这四种编码器可以分为两类:

将标签编码为分类变量: Pandas factorize和scikit-learn LabelEncoder。结果将具有1维。

将类别变量编码为虚拟/指示符(二进制)变量: Pandas get_dummies和scikit-learn OneHotEncoder。结果将具有n个维，一个维是编码的分类变量的不同值。

Pandas 和scikit-learn编码器之间的主要区别在于，已通过fit和transform方法将scikit-learn编码器用于 scikit-learn管道。

将标签编码为分类变量

Pandas factorize和scikit-learn LabelEncoder属于第一类。它们可用于创建分类变量，例如将字符转换为数字。

from sklearn import preprocessing
# Test data
df = DataFrame(['A', 'B', 'B', 'C'], columns=['Col'])
df['Fact'] = pd.factorize(df['Col'])[0]
le = preprocessing.LabelEncoder()
df['Lab'] = le.fit_transform(df['Col'])

print(df)
#   Col  Fact  Lab
# 0   A     0    0
# 1   B     1    1
# 2   B     1    1
# 3   C     2    2

将分类变量编码为虚拟/指标(二进制)变量

Pandas get_dummies和scikit-learn OneHotEncoder属于第二类。它们可用于创建二进制变量。 OneHotEncoder仅可与分类整数一起使用，而get_dummies可与其他类型的变量一起使用。

df = DataFrame(['A', 'B', 'B', 'C'], columns=['Col'])
df = pd.get_dummies(df)

print(df)
#    Col_A  Col_B  Col_C
# 0    1.0    0.0    0.0
# 1    0.0    1.0    0.0
# 2    0.0    1.0    0.0
# 3    0.0    0.0    1.0

from sklearn.preprocessing import OneHotEncoder, LabelEncoder
df = DataFrame(['A', 'B', 'B', 'C'], columns=['Col'])
# We need to transform first character into integer in order to use the OneHotEncoder
le = preprocessing.LabelEncoder()
df['Col'] = le.fit_transform(df['Col'])
enc = OneHotEncoder()
df = DataFrame(enc.fit_transform(df).toarray())

print(df)
#      0    1    2
# 0  1.0  0.0  0.0
# 1  0.0  1.0  0.0
# 2  0.0  1.0  0.0
# 3  0.0  0.0  1.0

我还根据此答案写了更详细的post。

关于python - 想知道pd.factorize，pd.get_dummies，sklearn.preprocessing.LableEncoder和OneHotEncoder之间的区别。，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/40336502/