如何为两个不同的DataFrame应用一致的cat.codes编码？

要实现你需要的统一编码，关键是先定义全局一致的分类顺序列表，再让两个DataFrame的levels列基于这个列表转换为分类类型，这样cat.codes就会严格遵循目标映射。

具体实现步骤： #

1. 按目标映射的顺序定义分类列表

import pandas as pd

# 对应目标映射{0: 'Level 0', 1: 'Level 10', 2: 'Level 20', 3: 'Level 30', 4: 'Level 40'}
level_categories = ['Level 0', 'Level 10', 'Level 20', 'Level 30', 'Level 40']

2. 为两个DataFrame的levels列指定全局分类并转换编码

# 处理X_train
X_train['levels'] = pd.Categorical(X_train['levels'], categories=level_categories, ordered=True)
X_train['levels'] = X_train['levels'].cat.codes

# 处理X_test，使用完全相同的分类规则
X_test['levels'] = pd.Categorical(X_test['levels'], categories=level_categories, ordered=True)
X_test['levels'] = X_test['levels'].cat.codes

补充说明： #

• 这样处理后，X_train中的Level 0→0、Level 10→1、Level 30→3；X_test中的Level 20→2、Level 40→4，完全匹配你的目标映射。
• 如果数据中可能出现不在分类列表里的异常值，可以添加handle_unknown='ignore'参数，这类值会被编码为-1（默认是抛出异常）：

X_train['levels'] = pd.Categorical(X_train['levels'], categories=level_categories, ordered=True, handle_unknown='ignore')

内容的提问来源于stack exchange，提问作者Katsu