转换多个分类列答案

【问题标题】：Transform multiple categorical columns转换多个分类列
【发布时间】：2020-03-08 07:35:36
【问题描述】：

在我的数据集中，我有两个分类列，我想计算它们。这两列都包含国家，有些重叠（出现在两列中）。我想在 column1 和 column2 中为同一个国家/地区提供相同的数字。

我的数据看起来有点像：

import pandas as pd

d = {'col1': ['NL', 'BE', 'FR', 'BE'], 'col2': ['BE', 'NL', 'ES', 'ES']}
df = pd.DataFrame(data=d)
df

目前我正在转换数据，例如：

from sklearn.preprocessing import LabelEncoder
df.apply(LabelEncoder().fit_transform)

然而，这并没有区分 FR 和 ES。是否有另一种简单的方法可以得出以下输出？

o = {'col1': [2,0,1,0], 'col2': [0,2,4,4]}
output = pd.DataFrame(data=o)
output

【问题讨论】：

标签： python python-3.x pandas scikit-learn categorical-data

【解决方案1】：

这是一种方法

df.stack().astype('category').cat.codes.unstack()
Out[190]: 
   col1  col2
0     3     0
1     0     3
2     2     1
3     0     1

或者

s=df.stack()
s[:]=s.factorize()[0]
s.unstack()
Out[196]: 
   col1  col2
0     0     1
1     1     0
2     2     3
3     1     3

【讨论】：

【解决方案2】：

您可以先将 LabelEncoder() 与数据框中的唯一值相匹配，然后再进行转换。

le = LabelEncoder()
le.fit(pd.concat([df.col1, df.col2]).unique()) # or np.unique(df.values.reshape(-1,1))

df.apply(le.transform)
Out[28]: 
   col1  col2
0     3     0
1     0     3
2     2     1
3     0     1

【讨论】：

【解决方案3】：

np.unique 与 return_invesere。虽然您随后需要重建 DataFrame。

pd.DataFrame(np.unique(df, return_inverse=True)[1].reshape(df.shape),
             index=df.index,
             columns=df.columns)

   col1  col2
0     3     0
1     0     3
2     2     1
3     0     1

【讨论】：