分类任务中如何将两位国家代码替换为类别数值？

以下是两种高效实现国家代码到数字类别转换的方法，适合处理包含70+唯一国家代码的数据集：

• 使用pandas的factorize()方法
  该方法会自动为每个唯一国家代码分配递增数字，操作简单且能保留映射关系：

  import pandas as pd
  
  # 构建示例数据框
  df = pd.DataFrame({'acq_cc': ['KY', 'US', 'CN', 'SG', 'US', 'SG', 'US', 'US', 'CZ', 'CN']})
  # 完成编码转换，同时获取唯一代码列表
  df['acq_cc_num'], unique_codes = pd.factorize(df['acq_cc'])
  # 若需要数字从1开始（而非默认的0），直接加1即可
  df['acq_cc_num'] = df['acq_cc_num'] + 1
  # 输出转换结果
  print(df['acq_cc_num'].tolist())  # 结果: [1, 2, 3, 4, 2, 4, 2, 2, 5, 3]
  # 查看完整映射关系
  print(dict(zip(unique_codes, range(1, len(unique_codes)+1))))
  

• 使用sklearn的LabelEncoder()
  如果后续要对接机器学习模型训练，这个方法更适配机器学习工作流：

  from sklearn.preprocessing import LabelEncoder
  import pandas as pd
  
  df = pd.DataFrame({'acq_cc': ['KY', 'US', 'CN', 'SG', 'US', 'SG', 'US', 'US', 'CZ', 'CN']})
  # 初始化编码器
  le = LabelEncoder()
  # 拟合数据并完成编码，加1让数字从1开始
  df['acq_cc_num'] = le.fit_transform(df['acq_cc']) + 1
  # 输出转换结果
  print(df['acq_cc_num'].tolist())  # 结果: [1, 2, 3, 4, 2, 4, 2, 2, 5, 3]
  # 查看国家代码与数字的映射关系
  print(dict(zip(le.classes_, le.transform(le.classes_) + 1)))
  

两种方法都能自动处理全部70多个唯一国家代码的映射，无需手动逐个定义转换规则。

内容的提问来源于stack exchange，提问作者Paul Engelbert