在Python中进行数据预处理时，目标列的映射处理通常用于将分类变量（字符串或整数标签）转换为模型可以理解的数值形式。这种处理方式对于机器学习模型的训练和预测至关重要。 ### 1. 使用 `pandas` 进行目标列映射 如果目标列是文本类型（如“Yes”/“No”，“Red”/“Green”等），可以通过字典手动定义映射关系[^3]： ```python import pandas as pd # 假设你已经加载了数据 data = pd.read_csv('path', sep=',', header=0, encoding='utf-8') # 定义映射规则 mapping = {'ClassA': 0, 'ClassB': 1, 'ClassC': 2} # 应用映射到目标列 data['target_column'] = data['target_column'].map(mapping) ``` 这种方法适用于类别数量较少且类别名称固定的场景。 ### 2. 使用 `LabelEncoder` 自动编码 如果目标列中的类别是未知的或者类别较多，推荐使用 `sklearn.preprocessing.LabelEncoder` 来自动进行编码： ```python from sklearn.preprocessing import LabelEncoder # 初始化 LabelEncoder le = LabelEncoder() # 拟合并转换目标列 data['target_encoded'] = le.fit_transform(data['target_column']) ``` 这种方式会自动将类别按字母顺序编码为 0 到 n_classes-1 的整数。适合多类别任务，同时支持逆变换操作： ```python # 从编码值还原原始类别 original_labels = le.inverse_transform([0, 1, 2]) ``` ### 3. 处理不平衡类别或特殊需求 在某些情况下，目标列可能包含罕见类别或需要自定义权重。例如，在二分类问题中，可以使用 `replace()` 方法结合条件逻辑进行更复杂的映射： ```python # 对目标列进行条件替换 data['target_column'] = data['target_column'].replace({'Positive': 1, 'Negative': 0}) ``` 也可以结合 `np.where` 实现基于数值阈值的映射： ```python import numpy as np # 将数值型目标列转换为二分类 data['binary_target'] = np.where(data['numerical_target'] > threshold, 1, 0) ``` ### 4. 使用 `pd.factorize` 进行快速编码 如果你只需要快速编码而不关心具体的映射值，可以使用 `pandas.factorize`： ```python labels, uniques = pd.factorize(data['target_column']) # labels 是编码后的数组，uniques 是唯一值数组 data['encoded_target'] = labels ``` 该方法返回两个数组：编码后的整数标签和对应的唯一类别值数组，适合用于内部计算而不需要人为解释编码结果的场景。 ---