python-3.x - 使用 LabelEncoder.fit_transform() 输入错误

Question

我在 Kaggle ( https://www.kaggle.com/c/titanic/data ) 上使用泰坦尼克号数据集，我想使用 sklearn.preprocessing 中的 LabelEncoder 将最初标记为“男性”或“女性”的性别转换为“0”或“1”。我有以下四行代码，

import pandas as pd
from sklearn.preprocessing import LabelEncoder
df = pd.read_csv('titanic.csv')
df['Sex'] = LabelEncoder.fit_transform(df['Sex'])  

但是当我运行它时，我收到以下错误消息:

TypeError: fit_transform() missing 1 required positional argument: 'y'

错误来自第 4 行，即

df['Sex'] = LabelEncoder.fit_transform(df['Sex']) 

我想知道这里出了什么问题。虽然我知道我也可以使用 map 进行转换，这可能更简单，但我仍然想知道我使用 LabelEncoder 有什么问题。

Answer 1

尝试使用以下 link to sklearn . LabelEncoder 是一个实用类，需要用LabelEncoder() 创建对象:

le = LabelEncoder()
df['Sex'] = le.fit_transform(df['Sex'])

使用示例进行测试:

# create test series
gender = pd.Series(['male', 'female', 'male'])

le = LabelEncoder()
transformed_val = le.fit_transform(gender)

# checking result after using label encoder
print(transformed_val)

结果:

[1 0 1]