如何在Pandas DataFrame中对分组后的子组进行Label Encoding

需求说明 #

针对DataFrame的Category列分组，在每个分组内对Name列执行标签编码：同一分组内不同Name对应唯一连续标签（从1开始），相同Name标签一致。

示例输入 #

示例输出 #

解决方案 #

直接使用Pandas的groupby结合factorize方法即可实现，代码如下：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'Category': ['FRUITS', 'FRUITS', 'FRUITS', 'Vegetables', 'Vegetables', 'Vegetables'],
    'Name': ['Apple', 'Orange', 'Apple', 'Onion', 'Garlic', 'Garlic']
})

# 分组后对Name列生成从1开始的连续标签
df['Label'] = df.groupby('Category')['Name'].transform(lambda x: x.factorize()[0] + 1)

print(df)

代码解释 #

• groupby('Category')：按Category字段拆分数据，生成独立的子组
• transform(lambda x: x.factorize()[0] + 1)：对每个子组的Name列执行factorize，该方法会将唯一值映射为从0开始的整数标签；加1是为了让标签从1开始计数；transform方法保证编码结果能和原DataFrame的行对齐，保留原数据结构不变

内容的提问来源于stack exchange，提问作者rohit deraj