Python数据处理中LabelEncoder与OneHotEncoder的使用详解
发布时间：2026-10-13 |
2人浏览过
本文详细解析Python中LabelEncoder与OneHotEncoder的使用方法。LabelEncoder用于对不连续数字或文本进行编号，而OneHotEncoder用于将分类数据扩维。通过具体代码示例展示两者的功能与输出结果，帮助读者理解特征编码在数据处理中的应用。
具体实现方式如下所示：
#简单来说 LabelEncoder 是对不连续的数字或者文本进行编号 from sklearn.preprocessing import LabelEncoder le = LabelEncoder() le.fit([1,5,67,100]) le.transform([1,1,100,67,5]) 输出： array([0,0,3,2,1]) #OneHotEncoder 用于将表示分类的数据扩维： from sklearn.preprocessing import OneHotEncoder ohe = OneHotEncoder() ohe.fit([[1],[2],[3],[4]]) ohe.transform([2],[3],[1],[4]).toarray() 输出：[ [0,1,0,0] , [0,0,1,0] , [1,0,0,0] ,[0,0,0,1] ]
以上关于Python数据处理中LabelEncoder和OneHotEncoder的详解内容即为本文分享的全部信息，旨在为读者提供参考。希望大家在阅读后能有所收获，同时也欢迎继续支持本站获取更多技术内容。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
