Python数据处理中LabelEncoder与OneHotEncoder的使用详解

叶初

发布时间：2026-10-13| 3人浏览过

原创

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。