Sklearn如何对多列应用LabelEncoder并保存用于生产环境？

报错原因 #

LabelEncoder 原生仅支持输入1维数组（单标签/单列特征），直接传入多列DataFrame会触发维度不匹配报错，这是设计使然。你之前写的循环单次处理单列的逻辑本身是可行的，只是没有把每列训练好的编码器实例保存下来。

完整实现步骤 #

1. 训练阶段：训练编码器并持久化 #

用字典存储每列对应的LabelEncoder实例，训练完成后用joblib序列化保存整个字典即可，代码示例：

import pandas as pd
from sklearn.preprocessing import LabelEncoder
import joblib

# 替换为你的10个类别特征列名
cat_cols = ["col1", "col2", "col3", ...]
encoder_dict = {}
# 你的训练集DataFrame
df = ... 

for col in cat_cols:
    le = LabelEncoder()
    # 统一转成字符串类型，避免数值和字符串类别不匹配的问题
    df[col] = le.fit_transform(df[col].astype(str))
    # 以列名为key保存当前列的编码器
    encoder_dict[col] = le

# 保存编码器字典到本地文件，路径可自定义
joblib.dump(encoder_dict, "label_encoders.pkl")

2. 生产环境：加载编码器并编码新数据 #

加载保存的pkl文件，按列名匹配对应编码器做转换即可：

import pandas as pd
import joblib

# 加载预训练好的编码器字典
encoder_dict = joblib.load("label_encoders.pkl")
cat_cols = encoder_dict.keys()
# 生产环境待编码的新数据
new_df = ... 

for col in cat_cols:
    le = encoder_dict[col]
    # 处理训练集未出现过的未知类别，统一映射为-1，可根据业务需求调整默认值
    new_df[col] = new_df[col].astype(str).map(lambda x: le.transform([x])[0] if x in le.classes_ else -1)
    # 如果确定生产不会出现未知类别，可以直接用下方简化代码：
    # new_df[col] = le.transform(new_df[col].astype(str))

注意事项 #

• 不要使用同一个LabelEncoder处理多列特征，不同列的类别映射独立，混用会导致特征逻辑错误
• 若业务会频繁出现新类别，建议使用OrdinalEncoder替代LabelEncoder，原生支持处理未知类别，使用逻辑和上述方案一致

内容的提问来源于stack exchange，提问作者dan