LabelEncoder()与OneHotEncoder()关系及区别汇总

联系：

• LabelEncoder（）和OneHotEncoder（）都是Scikit-Learn的一个模块。都是用来处理数据集中的类别变量.【处理类别变量（categorical variable）python-sklearn实现 | 三种常用方法】,可用如下方法调用。

from sklearn.preprocessing import LabelEncoder
from sklearn.preprocessing import OneHotEncoder

区别：

• 在Scikit-Learn 0.20之前，如果要用独热编码（One Hot Encoder）处理类别变量，需要先用标签编码(Label Encoder)，将类别变量转化为整数值。
  在Scikit-Learn 0.20及其以后，OneHotEncoder()模块可以直接处理字符串的类别变量，不再需要先用标签编码转化。
• LabelEncoder()处理后返回的类型是NumPy的array形式，但是OneHotEncoder()处理后返回的是稀疏数组（稀疏矩阵形式），好处是可以节约内存，因为它是需要储存数值为1对应的位置，其余为0的则可以忽略。可用toarray()方法将稀疏数组转化为可处理的Numpy的数组。

data_encoded.toarray()

老版本直接使用独热编码方法：
如果想在老版本（Scikit-Learn < 0.20）中直接使用独热编码，可使用以下方法：

from future_encoders import OneHotEncoder