机器学习，分析认识sklearn的OrdinalEncoder编码器

我们相信：世界是美好的，你是我也是。 来玩一下解压小游戏吧！

sklearn里面内置了很多编码器，用于把人类认识的单词转化为程序认识的数字。本文描述第二个编码器OrdinalEncoder(序数编码器)，它和上一个LabelEncoder在编码的原理上是很相似的。但是，它接受的输入变量有些不同。LabelEncoder接受的是一维向量作为输入，OrdinalEncoder接受的是二维数组或者是dataframe作为输入项目。这就是两者最大的区别。

苏南大叔的“程序如此灵动”博客，记录苏南大叔的编程所见所闻。本文测试环境：win10，python@3.12.0，scikit-learn@1.3.2。

基本使用

下面演示OrdinalEncoder的基本使用方法，和以前的类似编码器对比，使用方法基本一致。可以参考文章：

• https://newsn.net/say/sklearn-label-encoder.html

基本定义：

from sklearn import preprocessing
oe = preprocessing.OrdinalEncoder()
X = [
    ["虎子", 5, "dog"],
    ["老许", 3, "bird"],
    ["二赖子", 6, "fish"],
    ["老白", 8, "catty"],
    ["小黑", 10, "puppy"],
]

可以.fit()和.transform()分开调用

oe.fit(X)
a = oe.transform(X)
print(a,type(a))

也可以两者同时调用：

a = oe.fit_transform(X)
print(a,type(a))

输出：

[[4. 1. 2.]
 [3. 0. 0.]
 [0. 2. 3.]
 [2. 3. 1.]
 [1. 4. 4.]] <class 'numpy.ndarray'>

这个为什么某个单词转化为0，而不是1。这个编码顺序可以参考unicode编码。

• https://newsn.net/say/python-cn2unicode.html

这里的输入项目是二维数组，一列代表着一个相同的特性描述。所以，它的字典编码也是以一列为单位的。

获取.classes_

然而，和LabelEncoder不同的是，OrdinalEncoder没有.classes_属性。这个就暂不做探讨了。

AttributeError: 'OrdinalEncoder' object has no attribute 'classes_'

逆转编码

b = oe.inverse_transform([[1,1,0]])   # [['小黑' 5 'bird']]

注意的是：被逆转的数据列数必须和输入项相等。否则报错，例如：

a = oe.inverse_transform([[1,1]])
# ValueError: Shape of the passed X data is not correct. Expected 3 columns, got 2.
c = oe.inverse_transform([[1,1,0,0]])
# ValueError: Shape of the passed X data is not correct. Expected 3 columns, got 4.

输入项对比

正如文章开头所描述的一样，LabelEncoder接受的是一维向量作为输入，OrdinalEncoder接受的是二维数组或者是dataframe作为输入项目。这就是两者最大的区别。

from sklearn import preprocessing
oe = preprocessing.OrdinalEncoder()
X = [
    ["虎子", 5, "dog"],
    ["老许", 3, "bird"],
    ["二赖子", 6, "fish"],
    ["老白", 8, "catty"],
    ["小黑", 10, "puppy"],
]

# 注意看这里
import pandas as pd
X= pd.DataFrame(X)
# 注意看这里

oe.fit(X)
b = oe.inverse_transform([[1,1,0]])
print(b)

横着的一维向量是不能作为输入的，例如：

X = ["虎子", 5, "dog"]

报错信息是：

# Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

改成竖直的二维数组，就可以作为输入了：

from sklearn import preprocessing
oe = preprocessing.OrdinalEncoder()

import numpy as np
X = ["虎子", 5, "dog"]
X = np.array(X)
X = X.reshape(-1,1)

oe.fit(X)
b = oe.inverse_transform([[1]])   # [['dog']]
print(b)

结语

更多苏南大叔的sklearn相关经验文章，请点击：

• https://newsn.net/tag/sklearn/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。