sklearn 中 LabelEncoder transform时 ValueError 错误

当使用LableEncoder对数据进行编码时，先fit数据，在transform时如果遇到fit时没有遇过的数据，程序会抛出ValueError异常。
这里相对fit时没遇过的数据统一编码为一个值。

我的解决：

x_train = LabelEncoder_list[i].fit_transform(dfTrain[feat].values) # fit并编号one-hot
try:
    x_test = LabelEncoder_list[i].transform(dfTest[feat].values) # 编号one-hot
except ValueError:
    print("LabelEncoder_list[",i,"] transform out range.")
    x_test = []
    feat_len = len(dfTest[feat].values)
    fit_len = len(LabelEncoder_list[i].classes_)
    for j in range(feat_len):
        if len(np.intersect1d(dfTest[feat].values[j], LabelEncoder_list[i].classes_)) == 1:
        # 看当前value与fit的数据集是否有交集
            x_test.append(np.searchsorted(LabelEncoder_list[i].classes_, dfTest[feat].values[j]))
            # 如果有，把fit的编号返回
        else:
            x_test.append(fit_len + 2)
            # 没有则返回一个fit中没有的编号
            # 编号为 0 - (fit_len - 1)
    x_test = np.array(x_test) # change list to array
    print("fit_len : ", fit_len)
    print("out range x_test : ", x_test)
except:
    print("Error!")
    raise
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

LabelEncoder.transform() 的源码：