LabelEncoderパンダスのためのフィット順

Question

私はパンダの列にscit-learn LabelEncoderをフィッティングしていますdf。

遭遇した文字列が整数にマップされる順序はどのように決定されますか？それは決定論的ですか？

さらに重要なことに、この注文を指定することはできますか？

import pandas as pd 
from sklearn import preprocessing 

df = pd.DataFrame(data=["first", "second", "third", "fourth"], columns=['x']) 
le = preprocessing.LabelEncoder() 
le.fit(df['x']) 
print list(le.classes_) 
### this prints ['first', 'fourth', 'second', 'third'] 
encoded = le.transform(["first", "second", "third", "fourth"]) 
print encoded 
### this prints [0 2 3 1] 

私は、これは文字列が列に表示される順序であるため、le.classes_は[0 1 2 3]、であることを["first", "second", "third", "fourth"]、その後encodedことを期待します。これはできますか？

Answer 1

ソート順で行われます。文字列の場合、アルファベット順に行われます。そこには、このドキュメントはませんが、LabelEncoder.transformのソースコードを見て、私たちは仕事のほとんどは次のドキュメントで、機能numpy.setdiff1dに委任されて見ることができます。

2つの配列の差集合を検索します。

ソートを返します。これは、ar1にar2以外の値があります。

（強調鉱山）。

これは文書化されていないため、おそらく実装定義であり、バージョン間で変更できます。私がソート順を使用していたバージョンだけがscikit-learnの他のバージョンでこの動作を変更する可能性があります（numpy.setdiff1dを使用しない）。