如何对pandas DataFrame多列同值域数据执行一致的factorize编码

实现步骤 #

1. 先合并Team1、Team2两列的所有球队名称，按出现顺序去重生成全局统一的编码映射，保证同一个队名对应唯一编码，不会遗漏只在单列出现的球队。
2. 用生成的全局映射对两列同时做值替换即可。

完整代码 #

import pandas as pd

# 原始数据
ar = [
    ["browns", "patriots", 2, 5],
    ["patriots", "bills", 4, 15],
    ["browns", "bills", 1, 10],
    ["eagles", "browns", 3, 11]
]
frame = pd.DataFrame(ar, columns=['Team1', 'Team2', 'Down', 'ToGo'])

# 生成全局球队编码映射
all_teams = pd.concat([frame['Team1'], frame['Team2']])
team_map = {team: idx for idx, team in enumerate(all_teams.unique())}

# 对两列应用编码
frame[['Team1', 'Team2']] = frame[['Team1', 'Team2']].replace(team_map)

# 输出仅保留编码后的两列结果
result = frame[['Team1', 'Team2']]
print(result)

输出结果 #

Team1  Team2
0      0      1
1      1      3
2      0      3
3      2      0

说明 #

如果需要自定义编码顺序，只需要调整生成球队唯一值列表的顺序即可，不需要修改后续替换逻辑。

内容的提问来源于stack exchange，提问作者C Dorman