python - sklearn LabelEncoder 和 pd.get_dummies 有什么区别？

Question

我想知道 sklearn LabelEncoder 与 pandas get_dummies 之间的区别。为什么会选择 LabelEncoder 而不是 get_dummies。使用一个比另一个有什么优势？缺点？

据我所知，如果我有A级

ClassA = ["Apple", "Ball", "Cat"]
encoder = [1, 2, 3]

和

dummy = [001, 010, 100]

我是不是理解错了？

Answer 1

这些只是方便的功能，自然地属于这两个库分别倾向于做事的方式。第一个通过将事物更改为整数来“压缩”信息，第二个“扩展”允许(可能)更方便访问的维度。

---

sklearn.preprocessing.LabelEncoder简单地转换来自任何域的数据，使其域为 0, ..., k - 1，其中 k 是类的数量。

所以，例如

["paris", "paris", "tokyo", "amsterdam"]

可以变成

[0, 0, 1, 2]

---

pandas.get_dummies也接受一个包含来自某个域的元素的系列，但将其扩展为一个 DataFrame，其列对应于系列中的条目，并且值是 0 或 1，具体取决于它们最初是什么。所以，例如，相同的

["paris", "paris", "tokyo", "amsterdam"]

将成为带有标签的 DataFrame

["paris", "tokyo", "amsterdam"]

并且他的 "paris" 条目将是系列

[1, 1, 0, 0]

---

第一种方法的主要优点是节省空间。相反，将事物编码为整数可能会给人留下这样的印象(给您或某些机器学习算法)，即顺序是有意义的。仅仅是因为整数编码，“amsterdam”更接近“tokyo”而不是“paris”吗？可能不是。第二种表示在这方面更清楚一些。