Scikit-Learn : utiliser le codage d’étiquettes sur plusieurs colonnes

En apprentissage automatique, le codage d’étiquettes est le processus de conversion des valeurs d’une variable catégorielle en valeurs entières.

Par exemple, la capture d’écran suivante montre comment convertir chaque valeur unique d’une variable catégorielle appelée Team en une valeur entière basée sur l’ordre alphabétique :

Vous pouvez utiliser la syntaxe suivante pour effectuer le codage d’étiquettes sur plusieurs colonnes en Python :

from sklearn.preprocessing import LabelEncoder

#perform label encoding on col1, col2 columns
df[['col1', 'col2']] = df[['col1', 'col2']].apply(LabelEncoder().fit_transform)

L’exemple suivant montre comment utiliser cette syntaxe dans la pratique.

Exemple : encodage d’étiquettes en Python

Supposons que nous ayons le DataFrame pandas suivant qui contient des informations sur divers joueurs de basket-ball :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'team': ['A', 'A', 'B', 'B', 'B', 'C', 'C', 'D'],
                   'position': ['G', 'F', 'G', 'F', 'F', 'G', 'G', 'F'],
                   'all_star': ['Y', 'N', 'Y', 'Y', 'Y', 'N', 'Y', 'N'],
                   'points': [11, 8, 10, 6, 6, 5, 9, 12]})

#view DataFrame
print(df)

  team position all_star  points
0    A        G        Y      11
1    A        F        N       8
2    B        G        Y      10
3    B        F        Y       6
4    B        F        Y       6
5    C        G        N       5
6    C        G        Y       9
7    D        F        N      12

Nous pouvons utiliser le code suivant pour effectuer un encodage d’étiquettes afin de convertir chaque valeur catégorielle des colonnes team , position et all_star en valeurs entières :

from sklearn.preprocessing import LabelEncoder

#perform label encoding across team, position, and all_star columns
df[['team', 'position', 'all_star']] = df[['team', 'position', 'all_star']].apply(LabelEncoder().fit_transform)

#view udpated DataFrame
print(df)

   team  position  all_star  points
0     0         1         1      11
1     0         0         0       8
2     1         1         1      10
3     1         0         1       6
4     1         0         1       6
5     2         1         0       5
6     2         1         1       9
7     3         0         0      12

À partir du résultat, nous pouvons voir que chaque valeur des colonnes team , position et all_star a été convertie en valeurs entières.

Par exemple, dans la colonne équipe on peut voir :

• Chaque valeur « A » a été convertie en 0 .
• Chaque valeur « B » a été convertie en 1 .
• Chaque valeur « C » a été convertie en 2 .
• Chaque valeur « D » a été convertie en 3 .

Notez que dans cet exemple, nous avons effectué un codage d’étiquettes sur trois colonnes du DataFrame, mais nous pouvons utiliser une syntaxe similaire pour effectuer un codage d’étiquettes sur autant de colonnes catégorielles que nous le souhaitons.

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres tâches courantes en Python :

Comment convertir une variable catégorielle en numérique dans Pandas
Comment convertir des valeurs booléennes en valeurs entières dans Pandas
Comment utiliser factorize() pour encoder des chaînes sous forme de nombres dans Pandas