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

小编典典

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

python

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，并且我在内部假设了这一点，factorize并且LabelEncoder以相同的方式工作，并且在结果方面没有太大差异。我不确定它们是否会占用大量数据的相似时间。

get_dummies并且OneHotEncoder会产生相同的结果，但OneHotEncoder只能处理数字，但get_dummies会接受各种输入。get_dummies将为每个列输入自动生成新的列名称，但OneHotEncoder不会（而是分配新的列名称1,2,3
....）。因此get_dummies在各个方面都更好。

如果我错了，请纠正我！谢谢！

阅读 392

2021-01-20

共1个答案

小编典典

这四种编码器可以分为两类：

将标签编码 为分类变量 ：Pandasfactorize和scikit-learn LabelEncoder。结果将具有1维。
将 分类变量 编码 为伪/指标（二进制）变量 ：Pandasget_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。

熊猫和scikit-learn编码器之间的主要区别在于，使用和方法将scikit-learn编码器用于 scikit-learn管道
。fit``transform

将标签编码为分类变量

熊猫factorize和scikit-learnLabelEncoder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

熊猫get_dummies和scikit-
learnOneHotEncoder属于第二类。它们可用于创建二进制变量。OneHotEncoder只能与分类整数一起使用，而get_dummies可以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

我也根据此答案写了更详细的文章。

2021-01-20