如何用select对DataFrame指定列批量应用频率编码？

我来帮你搞定这个通用频率编码的问题！你的原始实现确实在列数多的时候不太好用，这里有个更通用、高效的解决方案，完美解决你提到的三个问题：

核心思路 #

先批量计算所有分类列的频率映射字典，再批量替换原分类列，同时自动保留所有非分类列（不管是Int、Complex还是其他数值类型）。

完整代码实现 #

using DataFrames

# 你的示例数据
df = DataFrame(categ = ["a", "a", "a", "b"], numer = [1, 2, 3, 4])

# 1. 自动识别所有分类列（这里以字符串类型为例，可按需调整）
cat_cols = names(df, eltype -> eltype <: AbstractString)

# 2. 批量计算每个分类列的频率映射字典
freq_maps = Dict()
for col in cat_cols
    # 按列分组统计出现次数
    freq_df = combine(groupby(df, col), nrow => :count)
    # 计算频率（出现次数 / 总行数）
    freq_df[!, :freq] = freq_df.count ./ size(df, 1)
    # 生成"分类值 => 频率"的字典
    freq_maps[col] = Dict(zip(freq_df[!, col], freq_df.freq))
end

# 3. 批量替换分类列，自动保留所有非分类列
result_df = transform(df, [col => ByRow(x -> freq_maps[col][x]) => col for col in cat_cols])

运行后得到的result_df就是你预期的结果：

4×2 DataFrame
 Row │ categ    numer
     │ Float64  Int64
─────┼────────────────
   1 │    0.75      1
   2 │    0.75      2
   3 │    0.75      3
   4 │    0.25      4

针对你提到的问题的解决细节 #

1. 适配任意数量分类列：
   通过names(df, eltype -> eltype <: AbstractString)自动筛选所有字符串类型的列作为分类列，哪怕你有上百个分类列，也不需要手动一一指定。如果你的分类列是CategoricalValue类型，只需要把筛选条件改成eltype -> eltype <: CategoricalValue即可。

2. 避免硬编码列名：
   预先为每个分类列单独计算频率字典，替换时直接调用对应列的字典，不再依赖硬编码的df.categ，完全适配多分类列场景。

3. 自动保留所有非分类列：
   transform函数默认会保留DataFrame的所有原有列，我们只对需要处理的分类列进行替换，其他列（不管是Int64、Complex还是其他数值类型）都会自动保留，再也不用手动指定要保留的列。

扩展优化（更简洁的写法） #

如果喜欢更紧凑的代码，可以把频率字典的计算写成一行（可读性稍弱，但功能一致）：

freq_maps = Dict(
    col => Dict(zip(gdf[!, col], gdf.freq)) 
    for col in cat_cols 
    let gdf = combine(groupby(df, col), nrow => :count)
        gdf[!, :freq] = gdf.count ./ size(df, 1)
        gdf
    end
)

内容的提问来源于stack exchange，提问作者Shayan