分解两个不同 DataFrame 中的列

Question

我有两个 DataFrame，在每个 DataFrame 中我都有一个分类列col 。 我想用数字替换所有类别，所以我决定这样做：

df1['col'] = pd.factorize(df1['col'])[0]

现在的问题是我如何以同样的方式编码df2[col] ？ 以及如何对df2[col]中存在但df1[col]中不存在的类别进行编码？

Answer 1

你需要一个标签编码器

from sklearn.preprocessing import LabelEncoder

enc = LabelEncoder()
df1['col'] = enc.fit_transform(df1['col'])
df2['col'] = enc.transform(df2['col'])

---

对于看不见的 label，这可能是一个解决方案：

enc = LabelEncoder()
enc.fit(df1['col'])
diz_map = dict(zip(enc.classes_, enc.transform(enc.classes_)+1))

for i in set(df2['col']).difference(df1['col']):
    diz_map[i] = 0

df1['col'] = [diz_map[i] for i in df1['col'].values]
df2['col'] = [diz_map[i] for i in df2['col'].values]

你 map 为 0 df2['col'] 中所有看不见的值