使用defaultdict中的LabelEncoder时，如何获取LabelEncoder.classes_？

嘿，这个问题其实很直接！你用defaultdict(LabelEncoder)构建的label_dict里，每个键都是DataFrame的列名，对应的值是已经完成fit的LabelEncoder实例——所以直接通过列名访问对应实例的**classes_**属性就可以拿到该列的所有类别了。

举个具体的例子：
假设你的DataFrame有一列叫product_type，要获取这一列的训练类别，只需要写：

label_dict['product_type'].classes_

这会返回一个包含该列所有唯一类别的numpy数组。

如果想要批量查看所有列的类别，可以遍历这个defaultdict：

for column_name, encoder in label_dict.items():
    print(f"列 {column_name} 的训练类别: {encoder.classes_}")

另外，针对你提到的测试集新类别处理的需求，这里给个实用小技巧：拿到classes_后，你可以先判断测试集的样本是否属于训练过的类别，再做编码，比如把未知类别映射为一个特定值（比如-1）：

import numpy as np

# 处理测试集的某一列
test_column = test_df['product_type']
encoder = label_dict['product_type']

# 将不在训练类别中的值映射为-1，其余正常编码
encoded_test_col = np.where(
    test_column.isin(encoder.classes_),
    encoder.transform(test_column),
    -1
)

内容的提问来源于stack exchange，提问作者user2086002