python - scikit-learn 中具有相同属性的跨多列的标签编码

Question

如果我有如下两列:

Origin  Destination  
China   USA  
China   Turkey  
USA     China  
USA     Turkey  
USA     Russia  
Russia  China  

我将如何执行标签编码，同时确保 Origin 列的标签与目标列中的标签相匹配，即

Origin  Destination  
0   1  
0   3  
1   0  
1   0  
1   0  
2   1  

如果我分别对每一列进行编码，那么算法会认为第 1 列中的中国与第 2 列中的中国不同，但事实并非如此

Answer 1

堆栈

df.stack().pipe(lambda s: pd.Series(pd.factorize(s.values)[0], s.index)).unstack()

   Origin  Destination
0       0            1
1       0            2
2       1            0
3       1            2
4       1            3
5       3            0

---

factorize 和 reshape

pd.DataFrame(
    pd.factorize(df.values.ravel())[0].reshape(df.shape),
    df.index, df.columns
)

   Origin  Destination
0       0            1
1       0            2
2       1            0
3       1            2
4       1            3
5       3            0

---

np.unique 和 reshape

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

   Origin  Destination
0       0            3
1       0            2
2       3            0
3       3            2
4       3            1
5       1            0

---

恶心的选择

我无法停止尝试……抱歉!

df.applymap(
    lambda x, y={}, c=itertools.count():
        y.get(x) if x in y else y.setdefault(x, next(c))
)

   Origin  Destination
0       0            1
1       0            3
2       1            0
3       1            3
4       1            2
5       2            0

---

正如 cᴏʟᴅsᴘᴇᴇᴅ 指出的那样

您可以通过分配回数据框来缩短它

df[:] = pd.factorize(df.values.ravel())[0].reshape(df.shape)