python – 标签编码具有相同类别的多个列

考虑以下数据帧：

import pandas as pd
from sklearn.preprocessing import LabelEncoder

df = pd.DataFrame(data=[["France", "Italy", "Belgium"], ["Italy", "France", "Belgium"]], columns=["a", "b", "c"])
df = df.apply(LabelEncoder().fit_transform)
print(df)

它目前输出：

   a  b  c
0  0  1  0
1  1  0  0

我的目标是通过传递我想要共享分类值的列来使其输出类似的内容：

   a  b  c
0  0  1  2
1  1  0  2

解决方法:

传递axis=1为每一行调用LabelEncoder().fit_transform一次.
(默认情况下,df.apply(func)为每列调用一次func).

import pandas as pd
from sklearn.preprocessing import LabelEncoder

df = pd.DataFrame(data=[["France", "Italy", "Belgium"], 
                        ["Italy", "France", "Belgium"]], columns=["a", "b", "c"])

encoder = LabelEncoder()

df = df.apply(encoder.fit_transform, axis=1)
print(df)

产量

   a  b  c
0  1  2  0
1  2  1  0

或者,您可以使用生成category dtype的数据并使用类别代码作为标签：

import pandas as pd

df = pd.DataFrame(data=[["France", "Italy", "Belgium"], 
                        ["Italy", "France", "Belgium"]], columns=["a", "b", "c"])

stacked = df.stack().astype('category')
result = stacked.cat.codes.unstack()
print(result)

也是收益率

   a  b  c
0  1  2  0
1  2  1  0

这应该明显更快,因为它不需要为每一行调用一次encoder.fit_transform(如果你有很多行,这可能会给你带来可怕的性能).