用已经存在的 id 列替换编码器列表

如何解决用已经存在的 id 列替换编码器列表

我正在研究从 kaggle 获得的 youtube 数据集，我正在学习有关文本分类的教程，https://github.com/agrawal-rohit/Text-Classification-Analysis/blob/master/Text%20Classification%20Analysis.ipynb。在这个数据集中，有一个视频类别列，它是一个描述视频的字符串。我的问题是标签编码器部分。我知道用于将文本转换为数字以进行分类的标签编码器。这是代码，

# Encode classes
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
le.fit(data.Category)
data.Category = le.transform(data.Category)
data.head(5)

然后，使用 TF-IDF 对文本特征进行矢量化，

# TF-IDF
from sklearn.feature_extraction.text import TfidfVectorizer
tfidf_title = TfidfVectorizer(sublinear_tf=True,min_df=5,norm='l2',encoding='latin-1',ngram_range=(1,2),stop_words='english')
tfidf_desc = TfidfVectorizer(sublinear_tf=True,stop_words='english')
labels = data.Category
features_title = tfidf_title.fit_transform(data.Title).toarray()
features_description = tfidf_desc.fit_transform(data.Description).toarray()
print('Title Features Shape: ' + str(features_title.shape))
print('Description Features Shape: ' + str(features_description.shape))

最后，为每个类打印 5 个最重要的特征..

# Best 5 keywords for each class using Title Feaures
from sklearn.feature_selection import chi2
import numpy as np
N = 5
for current_class in list(le.classes_):
    current_class_id = le.transform([current_class])[0]
    features_chi2 = chi2(features_title,labels == current_class_id)
    indices = np.argsort(features_chi2[0])
    feature_names = np.array(tfidf_title.get_feature_names())[indices]
    unigrams = [v for v in feature_names if len(v.split(' ')) == 1]
    bigrams = [v for v in feature_names if len(v.split(' ')) == 2]
    print("# '{}':".format(current_class))
    print("Most correlated unigrams:")
    print('-' *30)
    print('. {}'.format('\n. '.join(unigrams[-N:])))
    print("Most correlated bigrams:")
    print('-' *30)
    print('. {}'.format('\n. '.join(bigrams[-N:])))
    print("\n")

我的问题是，如果我已经有一个 category_id 列和一个类别列，则显示哪个 id 属于哪个类（我在这里不需要编码器部分）。在示例中，for 循环从编码器列表中提取类别。那么，如何在不使用编码部分的情况下遍历 category_id 列并打印属于该 id 的类别？

for current_class in list(le.classes_):
current_class_id = le.transform([current_class])[0]