Python中用带return的for循环实现多分类编码器的问题排查

你的自定义编码器存在两个核心逻辑错误：

• 循环变量使用错误：range(len(x))生成的是整数索引序列，你直接用索引值和"yes"/"no"字符串做判断，永远无法匹配成功，最终只会返回9999
• 逻辑提前终止：循环内部直接写return语句，第一次迭代就会直接返回单个值，不会遍历整个输入列表完成全量转换

原生Python实现 #

不需要依赖第三方库，直接遍历列表元素完成转换：

def encoder(x):
    res = []
    for item in x:
        if item == "yes":
            res.append(1)
        elif item == "no":
            res.append(0)
        else:
            res.append(9999)
    return res

y_train = ["yes", "no", "yes", "problem"]
y_train = encoder(y_train)
# 转换后结果：[1, 0, 1, 9999]

Numpy向量化实现 #

和你原有的np.where方案兼容，代码更简洁，处理大规模数据时性能更高：

import numpy as np

y_train = np.array(["yes", "no", "yes", "problem"])
# 嵌套where实现三分支判断
y_train = np.where(y_train == "yes", 1, np.where(y_train == "no", 0, 9999))
# 转换后结果：array([   1,    0,    1, 9999])

内容的提问来源于stack exchange，提问作者Jaroslav Kotrba