数据标签
方法概述
数据标签工具用于在文字类别与数字标签之间进行双向转换：既可把”性别（男/女）、地区（华东/华北…）“等定类文字转换为 1、2、3 等数字标签，也可依据已有对应关系将数字标签还原为原始文字。相比通用编码，本工具着重于标签”对应关系”的管理：生成时自动产出标签对应表，还原时可使用自动保存的对应表或手动上传的外部映射表，保证标签在数据集间、数据集内部与上下游环节中口径一致。
计算步骤
1. 数据加载与预处理
- 支持 CSV 与 Excel 文件上传（不超过 5MB），自动识别常见缺失符号并转为缺失值，删除完全空的行列。
- 自动识别数据中的文本（类型枚举）列与数值列，为后续模式选择提供可用列清单。
2. 选择操作模式
- 生成数字标签（文字→数字）：选择文本/类型枚举列，按字母顺序或出现频率降序为各类别分配数字： \[ \text{label}(c_i) = i, \quad i=1,2,\dots,k \]
- 还原文字标签（数字→文字）：选择数值列，使用以下任一映射表还原为文字：
- 自动保存的对应表：同一流程中先生成标签后自动保留的映射关系。
- 手动上传映射表（CSV）：文件需包含”数字标签”与”原始值”两列；若含”列名”列则按各列分别匹配映射，否则作为默认映射应用于所有所选列。
3. 处理方式设置
- 替换原列：用结果覆盖原列。
- 新增列：保留原列并追加结果（生成模式后缀
_label，还原模式后缀_original）。
4. 结果展示
- 标签对应表：逐列展示原始值与数字标签的对应关系（含”对应关系”列，如”男 ↔︎ 1”）。
- 统计报告：生成模式下展示各变量的标签（类别）数量及操作类型；还原模式展示还原的变量列表。
- 可视化：生成模式下绘制各变量标签数量柱状图。
5. AI 智能分析
基于处理变量数、类别数或还原变量数等信息，调用大语言模型分析标签分布并提出后续分析建议（每日限 3 次，需配置 API 密钥）。
6. 结果导出
- 下载操作后数据（CSV 或 Excel）。
- 下载包含标签对应表与数据预览的 HTML 报告。
案例分析
案例背景：某用户画像数据中的”性别”“婚姻状况”为文字类别，需生成数字标签用于建模；另有一份已标签化数据需还原为文字以便业务解读。
原始数据（示例）：
| 用户ID | 性别 | 婚姻状况 |
|---|---|---|
| 001 | 男 | 已婚 |
| 002 | 女 | 未婚 |
| 003 | 男 | 离异 |
| 004 | 女 | 已婚 |
处理过程：选择生成数字标签，按字母顺序为”性别”与”婚姻状况”分配数字（女/未婚编号靠前）。
标签对应表（示例）：
| 变量名 | 原始值 | 数字标签 | 对应关系 |
|---|---|---|---|
| 性别 | 女 | 1 | 女 ↔︎ 1 |
| 性别 | 男 | 2 | 男 ↔︎ 2 |
| 婚姻状况 | 未婚 | 1 | 未婚 ↔︎ 1 |
| 婚姻状况 | 已婚 | 2 | 已婚 ↔︎ 2 |
| 婚姻状况 | 离异 | 3 | 离异 ↔︎ 3 |
结论：在本示例数据范围内，两列文字类别被转换为数字标签，生成的对应表记录了全部映射关系，可用于后续还原与跨数据集统一口径。
常见问题
Q1: 标签顺序按字母或频率有何区别？
A: 按字母顺序的编号稳定、可预期；按频率降序让高频类别编号靠前，便于观察分布。不同顺序仅影响编号，不影响类别本身。
Q2: 还原标签时必须先在本工具生成吗？
A: 不一定。生成后工具自动保存对应表；也可以手动上传满足”数字标签+原始值”（可选含”列名”）格式的外部映射表进行还原。
Q3: 数字标签能还原为原来的文字吗？
A: 能。在还原模式下依据对应表将数字标签映射回原始文字；未在映射表中的数值会转为缺失值，建议先检查映射覆盖范围。
Q4: 不同列需要不同的对应表怎么办？
A: 手动上传的映射表若含”列名”列，工具会按各列名分别匹配映射；不含”列名”列时作为默认映射应用于所有所选列。
Q5: “替换原列”还是”新增列”？
A: 替换原列使数据紧凑；新增列（_label/_original）保留两种形式便于对照，数据列数会相应增加。
平台功能
- 数据输入：支持 CSV、Excel，自动识别缺失符号、清理空行列；自动识别文本/类型枚举列与数值列；提供数据模板与方法介绍下载。
- 两种模式：生成数字标签（文字→数字）与还原文字标签（数字→文字），均支持替换或新增列。
- 映射表管理：生成自动保存对应表；还原时可使用已保存表或手动上传 CSV 映射表（支持按列名分派或默认映射）。
- 结果展示：标签对应表（原始值 ↔︎ 数字标签）、统计报告（类别数/操作类型）、标签数量柱状图。
- AI 智能分析：分析标签分布并给出后续分析建议（每日限 3 次，需配置 API 密钥）。
- 报告下载：操作后数据（CSV/Excel）与 HTML 报告。
使用建议
- 先确认取值集合：生成前查看列的类别数量与取值，避免遗漏类别导致标签不稳定。
- 维护对应表档案：妥善保存生成或上传的对应表，保证同一变量在不同数据集间编号一致。
- 核查还原覆盖：还原前检查映射表是否覆盖所选列的全部数值，避免出现无法还原的缺失。
- 按需选择附加列：需要对照或继续使用文字值时选择”新增列”，仅需数值时选择”替换原列”。
- 结合编码工具：若需独热、目标等更丰富的编码方式，可转用”数据编码”工具。
平台界面
平台界面包含：数据上传区、操作模式与列选择、映射表来源设置（已保存/手动上传）、标签对应表、统计报告、标签数量柱状图及 AI 分析模块
参考文献
- Agresti, A. (2013). Categorical Data Analysis (3rd ed.). Wiley.
- Pedhazur, E. J. (1997). Multiple Regression in Behavioral Research: Explanation and Prediction (3rd ed.). Wadsworth.