用sklearn解码pandas数据帧

Question

我有一个包含许多列的数据框。其中一些是字符串，另一些是整数。我使用此代码对我的数据框进行编码：le = LabelEncoder()for col in df.columns:    df_encoded[col] = df.apply(le.fit_transform)有效！但是当我想用这个代码解码它时：for col in df.columns:    df_decoded[col] = df_encoded.apply(le.inverse_transform)我收到此错误：ValueError: ('The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()', 'occurred at index MYCOLUMNNAME')

Answer 1

数据类型因列而异，因此在这里使用applywithfit_transform不起作用。它似乎可以正常工作，但在LabelEncoder操作结束时将适合最右边的列，因此当您尝试应用 时inverse_transform，LabelEncoder 会将其他列中的所有元素替换为它在最右边的列。例如：

df = pd.DataFrame([{'A': 1, 'B': 'p'}, {'A': 1, 'B': 'q'},  {'A': 2, 'B': 'o'},  {'A': 3, 'B': 'p'}])

df

   A  B

0  1  p

1  1  q

2  2  o

3  3  p

df = df.apply(le.fit_transform)

df

   A  B

0  0  1

1  0  2

2  1  0

3  2  1   # Looks fine

df.apply(le.inverse_transform)

   A  B

0  o  p

1  o  q

2  p  o

3  q  p   # Whoops

即使您一一遍历列并执行fit_transformand ，您也会看到相同的结果inverse_transform。

在反转之前，您需要将编码器安装到正确的列：

le = LabelEncoder()

df_encoded = pd.DataFrame(columns=df.columns)

df_decoded = pd.DataFrame(columns=df.columns)

for col in df.columns:

    df_encoded[col] = le.fit_transform(df[col])

df_encoded

   A  B

0  0  1

1  0  2

2  1  0

3  2  1

for col in df.columns:

    le = le.fit(df[col])

    df_decoded[col] = le.inverse_transform(df_encoded[col])

df_decoded

   A  B

0  1  p

1  1  q

2  2  o

3  3  p   # Yeay