Scikit-Learn LabelEncoder二维数据集逆转换结果异常问题

你的代码核心错误是全局仅初始化了一个LabelEncoder实例。
编码阶段循环处理每个分类列时，每次执行le.fit_transform()都会用当前列的类别集合覆盖编码器内部存储的映射关系，等所有列编码完成后，这个全局le里只保留了最后一个被处理的分类列的编码规则。逆转换时你拿这最后一列的规则去还原所有分类列，输出结果自然完全不符合预期。

每个分类列必须使用独立的LabelEncoder实例，编码完成后要按列保存对应的训练好的编码器，逆转换时按列匹配对应编码器操作即可，参考代码如下：

编码逻辑 #

from sklearn.preprocessing import LabelEncoder
import pandas as pd

# 字典结构：key为分类列列名，value为该列训练好的LabelEncoder实例
col_encoders = {}

def transformCategorical(data):
    cat_cols = data.select_dtypes(include=['object']).columns.tolist()
    for col in cat_cols:
        # 为当前列单独创建编码器
        le = LabelEncoder()
        data[col] = le.fit_transform(data[col].astype(str))
        # 保存当前列的编码器，供后续逆转换调用
        col_encoders[col] = le
    return data

逆转换逻辑 #

def inverse_transform(original_raw_data, encoded_data):
    # 从原始未编码数据中提取分类列列表
    cat_cols = original_raw_data.select_dtypes(include=['object']).columns.tolist()
    for col in cat_cols:
        # 取出当前列对应的专属编码器做逆转换
        le = col_encoders[col]
        encoded_data[col] = le.inverse_transform(encoded_data[col])
    return encoded_data

• 禁止跨分类列复用同一个LabelEncoder实例，不同分类特征的类别集合完全独立，映射规则不能通用
• 如果需要持久化存储编码后的数据，对应的col_encoders字典也要同步序列化保存（可使用pickle、joblib等工具），否则后续加载数据后无法完成正确的逆转换
• 如果数据中存在空值、混合类型值，astype(str)的转换逻辑要和逆转换后的预期格式对齐，避免出现非预期的字符串映射。

内容的提问来源于stack exchange，提问作者brockwill1