Der folgende Screenshot zeigt beispielsweise, wie jeder eindeutige Wert einer kategorialen Variablen namens \u201e Team\u201c<\/strong> basierend auf alphabetischer Reihenfolge in einen ganzzahligen Wert konvertiert wird:<\/span> <\/p>\n Sie k\u00f6nnen die folgende Syntax verwenden, um die Kodierung mehrspaltiger Beschriftungen in Python durchzuf\u00fchren:<\/span><\/p>\n Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.<\/span><\/p>\n Angenommen, wir haben den folgenden Pandas-DataFrame, der Informationen \u00fcber verschiedene Basketballspieler enth\u00e4lt:<\/span><\/p>\n Wir k\u00f6nnen den folgenden Code verwenden, um eine Etikettencodierung durchzuf\u00fchren und jeden kategorialen Wert in den Spalten team<\/strong> , position<\/strong> und all_star<\/strong> in ganzzahlige Werte umzuwandeln:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir ersehen, dass jeder Wert der Spalten team<\/strong> , position<\/strong> und all_star<\/strong> in ganzzahlige Werte konvertiert wurde.<\/span><\/p>\n In der Teamspalte<\/strong> k\u00f6nnen wir beispielsweise Folgendes sehen:<\/span><\/p>\n Beachten Sie, dass wir in diesem Beispiel die Beschriftungscodierung f\u00fcr drei Spalten des DataFrame durchgef\u00fchrt haben, wir k\u00f6nnen jedoch eine \u00e4hnliche Syntax verwenden, um die Beschriftungscodierung f\u00fcr beliebig viele kategoriale Spalten durchzuf\u00fchren.<\/span><\/p>\n Die folgenden Tutorials erkl\u00e4ren, wie Sie andere h\u00e4ufige Aufgaben in Python ausf\u00fchren:<\/span><\/p>\n So konvertieren Sie eine kategoriale Variable in Pandas in eine numerische Variable<\/a> Beim maschinellen Lernen ist die Etikettenkodierung der Prozess der Konvertierung der Werte einer kategorialen Variablen in ganzzahlige Werte. Der folgende Screenshot zeigt beispielsweise, wie jeder eindeutige Wert einer kategorialen Variablen namens \u201e Team\u201c basierend auf alphabetischer Reihenfolge in einen ganzzahligen Wert konvertiert wird: Sie k\u00f6nnen die folgende Syntax verwenden, um die Kodierung mehrspaltiger Beschriftungen in […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/labelencode2-1.jpg\")
<\/p>\n from<\/span> sklearn. preprocessing<\/span> import<\/span> LabelEncoder\n\n#perform label encoding on col1, col2 columns\n<\/span>df[[' col1<\/span> ', ' col2<\/span> ']] = df[[' col1<\/span> ', ' col2<\/span> ']]. apply<\/span> (LabelEncoder(). fit_transform<\/span> )\n<\/strong><\/pre>\n Beispiel: Codierung von Labels in Python<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'B', 'B', 'B', 'C', 'C', 'D'],\n ' position<\/span> ': ['G', 'F', 'G', 'F', 'F', 'G', 'G', 'F'],\n ' all_star<\/span> ': ['Y', 'N', 'Y', 'Y', 'Y', 'N', 'Y', 'N'],\n ' points<\/span> ': [11, 8, 10, 6, 6, 5, 9, 12]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team position all_star points\n0 AGY 11\n1 AFN 8\n2 BGY 10\n3 BFY 6\n4 BFY 6\n5 CGN 5\n6 CGY 9\n7 DFN 12\n<\/strong><\/span><\/pre>\n from<\/span> sklearn. preprocessing<\/span> import<\/span> LabelEncoder\n\n#perform label encoding across team, position, and all_star columns\ndf[[' team<\/span> ', ' position<\/span> ', ' all_star<\/span> ']] = df[[' team<\/span> ', ' position<\/span> ', ' all_star<\/span> ']]. apply<\/span> (LabelEncoder(). fit_transform<\/span> )\n<\/span>\n#view udpated DataFrame\nprint<\/span> (df)\n\n team position all_star points\n0 0 1 1 11\n1 0 0 0 8\n2 1 1 1 10\n3 1 0 1 6\n4 1 0 1 6\n5 2 1 0 5\n6 2 1 1 9\n7 3 0 0 12<\/span><\/span><\/strong><\/pre>\n\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So konvertieren Sie boolesche Werte in Pandas in ganzzahlige Werte<\/a>
So verwenden Sie Factorize(), um Zeichenfolgen in Pandas als Zahlen zu kodieren<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"