如何将Pandas数据框中的字符串类别列转换为整数编码列？

方法1：直接使用pd.factorize()（无固定排序要求时首选） #

这是最轻量化的方案，不需要额外依赖，自动按照分类首次出现的顺序生成编码，无论分类数量多少都可以直接调用：

import pandas as pd

# 示例数据
df = pd.DataFrame({'brand': ['A', 'B', 'C', 'A', 'C', 'B']})

# 生成编码列
df['brand_code'] = pd.factorize(df['brand'])[0]

返回结果的第二个值为对应编码的原分类列表，可用于核对映射关系：pd.factorize(df['brand'])[1] 会输出['A', 'B', 'C']。

方法2：自定义排序映射（需要固定编码顺序时使用） #

如果要求固定分类对应编码（比如必须A=0、B=1、C=2，和出现顺序无关），可以先生成排序后的映射字典再调用map：

# 按字母顺序生成映射字典，也可以自定义排序规则替换sorted逻辑
unique_brands = sorted(df['brand'].unique())
brand_map = {val: idx for idx, val in enumerate(unique_brands)}

df['brand_code'] = df['brand'].map(brand_map)

生成的映射字典可以保存下来，后续处理新数据时直接复用，保证编码规则一致。

方法3：适配机器学习流程的LabelEncoder #

如果后续需要把编码反向转回原字符串、或者和sklearn建模流程打通，可以使用LabelEncoder：

from sklearn.preprocessing import LabelEncoder

le = LabelEncoder()
df['brand_code'] = le.fit_transform(df['brand'])

# 反向转回原字符串示例
# original_brand = le.inverse_transform(df['brand_code'])

以上三种方案都支持任意数量的分类值，不需要手动逐个编写映射规则，5种以上分类的场景也可以直接使用。

内容的提问来源于stack exchange，提问作者TheSnow