我有一个结构如下所示的pandas数据框架

item_condition_id                     categorybrand_name                            categoryprice                                  float64shipping                              categorymain_category                         categorycategory                              categorysub_category                          categoryhashing_feature_aa                     float64hashing_feature_ab                     float64

数据的一部分示例：

brand_name  shipping  main_category        categoryTarget         1         Women           Tops & Blousesunknown        1          Home           Home Décorunknown        0         Women            Jewelryunknown        0         Women             Other

我使用以下代码将分类（字符串）列转换为数值列。

from sklearn.preprocessing import LabelEncoderle = LabelEncoder()for i in range(len(X)):    X.iloc[:,i] = le.fit_transform(X.iloc[:,i])

转换后

   brand_name  shipping  main_category  category        0         1              1         3        1         1              0         0        1         0              1         1        1         0              1         2

这按预期工作，但在尝试应用 inverse_transform 以从数值类别获取原始类别时会抛出错误。

for i in range(len(X)):    X.iloc[:,i] = le.inverse_transform(X.iloc[:,i])

ValueError: 具有多个元素的数组的真值是模糊的。使用a.any()或a.all()

如何解决我的情况下的这个错误，我的代码有什么问题？

我的目标是使用标签编码器将分类（字符串）特征转换为数值，以便应用 sklearn.feature_selection.SelectKbest.fit_transform(X,y)，如果不进行标签编码，这一步骤将失败。

谢谢

回答：

根据你的澄清：你的问题是在循环中覆盖了le的实例，因此它仅在最后一列上进行训练。基于你的代码，我建议将它们放入一个字典中，例如如下所示：

from sklearn.preprocessing import LabelEncoderle = {}for i in range(len(X)):    le[i] = LabelEncoder()    X.iloc[:,i] = le[i].fit_transform(X.iloc[:,i])# 做一些事情for i in range(len(X)):    X.iloc[:,i] = le[i].inverse_transform(X.iloc[:,i])

但如上所述，也请查看 这个。