对分类列进行编码 I：LabelEncoder
既然您已经了解了为 XGBoost 准备住房数据需要做什么，接下来我们一步一步完成整个流程。
首先，需要填补缺失值——正如之前看到的，LotFrontage 列存在大量缺失。然后，您需要对数据集中的所有分类列进行独热编码，使其转为数值形式。若需回顾这一概念，您可以观看 这段视频，来自课程 Supervised Learning with scikit-learn。
该数据包含 5 个分类列：MSZoning、PavedDrive、Neighborhood、BldgType 和 HouseStyle。Scikit-learn 提供了一个 LabelEncoder 函数，可将每个分类列中的取值转换为整数。您将在这里练习如何使用它。
本练习是课程的一部分
使用 XGBoost 的极端梯度提升
练习说明
- 从
sklearn.preprocessing导入LabelEncoder。 - 使用
.fillna()将LotFrontage列中的缺失值填充为0。 - 为分类列创建布尔掩码。方法是检查
df.dtypes是否等于object。 - 创建一个
LabelEncoder对象。与实例化任何 scikit-learn 估计器的方式相同。 - 使用
LabelEncoder()将所有分类列编码为整数。为此，请在提供的 lambda 函数中使用le的.fit_transform()方法。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import LabelEncoder
____
# Fill missing values with 0
df.LotFrontage = ____
# Create a boolean mask for categorical columns
categorical_mask = (____ == ____)
# Get list of categorical column names
categorical_columns = df.columns[categorical_mask].tolist()
# Print the head of the categorical columns
print(df[categorical_columns].head())
# Create LabelEncoder object: le
le = ____
# Apply LabelEncoder to categorical columns
df[categorical_columns] = df[categorical_columns].apply(lambda x: ____(x))
# Print the head of the LabelEncoded categorical columns
print(df[categorical_columns].head())