使用LabelEncoder为tips的sex列编码生成sex_code新列遇报错

你遇到的“相关内容未定义”错误，大概率是没导入必要的库或者数据加载/变量名拼写错误，按以下步骤操作就能解决：

• 第一步：导入依赖库
  必须先导入pandas和sklearn中的LabelEncoder，否则Python无法识别这些工具：

  import pandas as pd
  from sklearn.preprocessing import LabelEncoder
  

• 第二步：加载CSV文件到DataFrame
  替换成你的CSV文件实际路径，确保文件能被正确读取：

  # 示例路径：'./tips.csv'，请换成你自己的文件路径
  tips = pd.read_csv('你的CSV文件路径.csv')
  # 可以先打印前几行确认数据加载成功
  print(tips.head())
  

• 第三步：初始化编码器并完成编码
  创建LabelEncoder实例，拟合sex列的分类数据后，将转换结果存入新列sex_code：

  # 初始化LabelEncoder对象
  le = LabelEncoder()
  # 对sex列进行编码，结果存入新列sex_code
  tips['sex_code'] = le.fit_transform(tips['sex'])
  

常见错误排查 #

• 检查拼写：比如是否把LabelEncoder写成小写，或者sex列名和CSV文件里的实际列名不一致（比如CSV里是Sex首字母大写）
• 确认文件路径：如果文件和代码不在同一文件夹，要写完整路径，比如C:/Users/xxx/Documents/tips.csv（Windows）或/home/xxx/tips.csv（Linux/Mac）
• 验证DataFrame：运行print(type(tips))，输出<class 'pandas.core.frame.DataFrame'>才代表数据加载成功

内容的提问来源于stack exchange，提问作者Astrid M