如何在LabelEncoder中新增24个类别且保留原有标签？

问题背景 #

加载了包含500个类别的LabelEncoder实例后，需要新增24个新类别，但LabelEncoder默认的fit方法会覆盖原有编码映射，因此需直接修改其核心属性实现需求。

实现步骤及代码 #

1. 加载已有的LabelEncoder

import pickle
import numpy as np
from sklearn.preprocessing import LabelEncoder

# 加载保存的编码器
with open('../data/label_encoder_v500.pkl', 'rb') as file:
    label_encoder = pickle.load(file)

2. 准备新增类别并去重

additional_classes = ['class501', 'class502', ..., 'class524']

# 过滤掉已存在的类别，避免重复映射
new_unique_classes = [cls for cls in additional_classes if cls not in label_encoder.classes_]

3. 更新编码器的类别映射
   LabelEncoder的类别映射存储在classes_属性中，直接修改该属性即可保留原有编码，同时添加新类别：

# 合并原有类别与新增类别，保持原有顺序
updated_classes = list(label_encoder.classes_) + new_unique_classes

# 将列表转为numpy数组后赋值给classes_
label_encoder.classes_ = np.array(updated_classes)

4. 验证与保存

# 验证原有类别编码不变
print(label_encoder.transform(['class1']))  # 输出原有编码（如0）
# 验证新增类别编码
print(label_encoder.transform(['class501']))  # 输出500（延续原有编码序列）

# 保存更新后的编码器
with open('../data/label_encoder_v524.pkl', 'wb') as file:
    pickle.dump(label_encoder, file)

关键说明 #

• 直接修改classes_属性是安全的，这是LabelEncoder存储类别-编码映射的核心数组
• 新增类别会被分配延续原有序列的编码（原有500个类别编码为0-499，新增的24个为500-523）
• 必须过滤重复类别，否则会导致同一类别对应多个编码，引发逻辑错误

内容的提问来源于stack exchange，提问作者TkrA