sp.LabelEncoder()

`LabelEncoder()`是Python的sklearn库中的一个预处理工具，它主要用于将分类数据（标签）转换为数值形式。LabelEncoder通常用于编码类别型特征，例如将文本标签如“红色”、“蓝色”等转化为整数0、1或其他数字表示。它的工作原理是对每个类别赋予一个唯一的连续整数，但不会区分类别之间的相对大小，比如"苹果"会被编码为0，"香蕉"为1，而不是按照字母顺序。

使用`LabelEncoder`的一般步骤包括：

1. 创建LabelEncoder对象实例。
2. 将需要编码的列应用到`fit_transform`方法上，这会训练模型并转换数据。
3. 如果你想查看映射关系，可以调用`classes_`属性。
4. 对于预测阶段，你可以使用`transform`方法将新数据转换为编码值。

from sklearn.preprocessing import LabelEncoder

# 初始化LabelEncoder
le = LabelEncoder()

# 训练数据
data = ['红色', '蓝色', '绿色']
encoded_data = le.fit_transform(data)

# 查看映射关系
print(le.classes_)  # 输出：['红色' '蓝色' '绿色']

# 预测新数据
new_data = ['黄色']
new_encoded_data = le.transform(new_data)