3.2.1　将字符串标签转换成数字

我们再次处理MNIST数据集，使用该数据集的字符串标签0，1，…，9，并将它们转换成数字。可以通过许多不同的方式来实现这一点：

·可以用一个简单的命令y=list(map(int,mnist.target))来将所有字符串映射到整数，然后就完成了。变量y现在只包含一个整数列表，如[8,7,1,2，...]。但是，这样做只能解决属于这种特殊情况的问题，需要学习适用于所有情况的方法。所以，我们不会这样做。

·也可以通过艰苦地迭代10次来完成这项工作，针对每个数字迭代一次，mnist.target=[0 if v=='0'else v for v in mnist.target]。但是同样，这（和其他类似的事情）也只对这一种情况有效。我们也不会这样做。

·还可以使用scikit-learn的LabelEncoder()方法。该方法可以接受任何标签列表并将它们映射到一个数字。这种方法对所有的情况都适用。

让我们按照下列步骤使用scikit方法：

1）运行下列代码：

输出结果如下：

sorted(list(set(mnist.target)))命令做了三件事：

·set(mnist.target)在数据中检索一组唯一的值，例如，{'8','2',…'9'}。

·list(set(mnist.target))只是将集合转换为列表，因为LabelEncoder()方法需要列表或数组。

·sorted(list(set(mnist.target)))在这里很重要，以便将0映射到0，而不是将8映射到0，以此类推。它对列表进行排序，结果如下：['0','1',…,'9']。

le.fit()方法接受一个列表（或数组），并生成一个映射（字典），以便可以在前向传播计算中使用（如果需要的话，也可以在反向传播计算中使用），将标签或字符串编码为数字，将它存储在一个名为LabelEncoder的对象中。

2）接下来，我们可以对上述编码进行如下测试：

输出结果如下：

transform()方法将基于字符串的标签转换为数字标签，而inverse_transform()方法接受数字标签并返回相应的字符串标签或类型属性。

任何试图映射到缺失类型或数字，或者对缺失类型或数字进行映射的尝试都将导致LabelEncoder对象产生错误。请竭尽所能地提供所有可能类型的名单，从而使得你的知识得到最好的表达。

3）一旦安装并测试了LabelEncoder对象，就可以简单地运行以下指令对数据进行编码：

输出结果如下：

新的编码标签现在保存在y中，可供使用。

这种将标签编码为整数的方法也称为序数编码。

这种方法应该适用于所有编码为字符串的标签，对于这些标签，可以简单地将它们映射为数字形式，而且不会丢失上下文信息。对于MNIST数据集，可以映射0到0和7到7，而且不会丢失它们的上下文信息。其他可以这样做的例子包括：

·年龄段：['18-21','22-35','36+']到[0,1,2]

·性别：['male','female']到[0,1]

·颜色：['red','black','blue',…]到[0,1,2,…]

·学业：['primary','secondary','high school','university']到[0,1,2,3]

然而，我们在这里做一个很大的假设：标签本身并没有某些特殊的含义。如前所述，邮政编码可以简单地编码成更小的数字，然而，它们具有一定的地理含义，这样做就有可能会对我们的深度学习算法性能产生一些负面影响。同样地，对于前述列表中的数据，如果需要针对一些特殊的含义进行研究，例如要表明大学学位比中学学位具有更高的等级或者更加重要，那么我们也许应该考虑使用不同的数字映射。或者让我们的机器学习算法自己学习这些复杂的东西！在这种情况下，我们应该使用众所周知的独热编码策略。