sklearn OrdinalEncoder的categories='auto'默认类别排序规则是什么？

当设置categories='auto'时，OrdinalEncoder会基于训练数据集内的类别取值，按升序规则确定类别顺序：

• 针对字符串类型的类别，采用字典序排序；
• 针对数值类型的类别，采用数值大小的升序排序。

简单示例：

• 若训练列取值为 ["cat", "dog", "apple", "cat"]，排序后的类别序列为 ["apple", "cat", "dog"]，对应编码依次是 0、1、2；
• 若训练列是数值类别 [3,1,2,3]，排序后的序列为 [1,2,3]，对应编码 0、1、2。

本质上，这等同于提取训练集里的唯一类别值后，执行默认的升序排序操作，和numpy.sort()处理唯一值的结果一致。

内容的提问来源于stack exchange，提问作者nivniv