pandas如何快速将列中100+字符串标签批量替换为对应数值

如果不需要自定义标签与编码的对应关系，仅需要为每个唯一分类标签分配唯一整数编码，可直接用pandas内置能力实现，无需手动编写映射规则：

方法1：最简快速实现 #

直接将目标列转为分类类型，调用内置codes属性即可自动生成编码，100+标签也可秒级处理：

# 假设需要处理的分类列名为category_col，生成的编码列名为category_encoded
df['category_encoded'] = df['category_col'].astype('category').cat.codes

• 特性：自动为所有唯一分类标签分配从0开始的连续整数，缺失值会自动编码为-1；如果需要编码从1开始，直接在末尾加1即可：df['category_encoded'] = df['category_col'].astype('category').cat.codes + 1

方法2：可复用映射规则实现 #

如果后续需要在其他数据集（如测试集）上使用相同的编码规则，可以先手动生成映射字典保存，再应用编码：

# 生成分类标签到编码的映射字典
label_map = {label: idx for idx, label in enumerate(df['category_col'].unique())}
# 应用映射完成编码
df['category_encoded'] = df['category_col'].map(label_map)

• 扩展需求：如果需要按分类出现频率排序分配编码（出现频率越高编码值越小），可使用如下逻辑生成映射字典：

# 按分类出现频率降序排序
sorted_labels = df['category_col'].value_counts().index.tolist()
label_map = {label: idx for idx, label in enumerate(sorted_labels)}
df['category_encoded'] = df['category_col'].map(label_map)

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