OrdinalEncoder 是用来对数据中的分类特征进行编码、转换为整数标签的函数。

---

category_encoders库

from category_encoders import OrdinalEncoder

安装：pip install category_encoders --trusted-host pypi.tuna.tsinghua.edu.cn（记得关闭代理！）

使用：

category_columns = ['feature1', 'feature2', 'feature3']
encoder = OrdinalEncoder(cols=category_columns, handle_unknown='impute').fit(df)
df = encoder.transform(df)

参数：

• cols：仅对 category_columns 中列出的这些列进行编码，不会对其他非分类列进行编码
• handle_unknown：指定如何处理训练数据中没有出现的类别
  • impute：将所有未在训练集出现的类别编码为一个预定义的整数（例如，-1），这可以防止因为未知类别而导致的错误
  • error：如果测试数据中出现了训练集没有的类别，会抛出错误 

结果：左侧为原始DataFrame，右侧为编码分类特征后的DataFrame

---

sklearn库

from sklearn.preprocessing import OrdinalEncoder

使用：

category_columns = ['feature1', 'feature2', 'feature3']
encoder = OrdinalEncoder(handle_unknown='use_encoded_value', unknown_value=-1)
df[category_columns] = encoder.fit_transform(df[category_columns])

参数：

• handle_unknown='use_encoded_value' 和 unknown_value=-1 确保如果在测试数据中遇到未知类别，会将其编码为 -1 

结果：左侧为原始DataFrame，右侧为编码分类特征后的DataFrame