为列车和测试数据集中的多列应用标签编码器[重复]

Question

我有一个数据集，它包含多个列，这些列的值是字符串格式的。现在我需要使用labelEncoder将这些文本列转换为数值。在下面的例子中，y是我的tain数据集的目标，A0到A13是不同的特征。还有50个特性，但我在这里提供了一个子集。现在，我如何将labelencoder应用于从A0到A8的数据集，并为创建模型创建一个新的编码数据帧？我知道我们可以像下面这样做，但这会说只编码一列。我希望编码器应用于从A0到A8的所有列，然后将数据提供给模型。我该怎么做？

    from sklearn.preprocessing import LabelEncoder
    gender_encoder = LabelEncoder()
    y = gender_encoder.fit_transform(y)

下面是示例数据

           y       A0 A1  A2 A3 A4  A5 A6 A8  A10  A12  A13
    0     130.81   k  v  at  a  d   u  j  o    0    0    1
    1      88.53   k  t  av  e  d   y  l  o    0    0    0
    2      76.26  az  w   n  c  d   A  j  A    0    0    0
    3      80.62  az  t   n  f  d   A  l  e    0    0    0
    4      78.02  az  v   n  f  d   h  d  n    0    0    0

Answer 1

您可以使用列转换器和管道对所有分类列进行编码。之后还可以为数值列添加转换。

categorical_features = ['A0', 'A1', 'A2', 'A3', 'A4', 'A5', 'A6', 'A8']
categorical_transformer = Pipeline(steps=[('le', LabelEncoder())])

preprocessor = ColumnTransformer(transformers=[('cat', 
                                                 categorical_transformer, 
                                                 categorical_features)])
pipeline = Pipeline(steps=[('preprocessor', preprocessor)])

pipeline.fit(X_train)

Answer 2

您可以使用来自skLearning的列变压器：

from sklearn.compose import make_column_transformer
from sklearn.preprocessing import OneHotEncoder

col_trans = make_column_transformer((OneHotEncoder(), ["A0:A8"]), remainder = "passthrough")

您可以在[]中列出各个列，并指定如何处理“剩余列”