sklearn.preprocessing.LabelEncoder()：標準化標籤，將標籤值統一轉換成range(標籤值個數-1)範圍內

簡單來說 LabelEncoder 是對不連續的數字或者文字進行編號

例子：

>>> le = preprocessing.LabelEncoder()
>>> le.fit(["paris", "paris", "tokyo", "amsterdam"])
LabelEncoder()
>>> list(le.classes_)
['amsterdam', 'paris', 'tokyo']
>>> le.transform(["tokyo", "tokyo", "paris"]) 
array([2, 2, 1]...)
>>> list(le.inverse_transform([2, 2, 1]))
['tokyo', 'tokyo', 'paris']
 

le.fit() 對資料進行編號

le.transform() 輸入對應資料的編號

le.inverse_transform() 輸入編號，返回資料

執行le.fit()以後，其實就成了一個雙向的字典。

內部比較複雜的是.fit()的實現 ： 思路是先去重，排序，後從0開始編號。