如何为Pandas DataFrame两列人名分配全局统一的类别编码？

嘿，这个需求我之前处理过好几次，其实用Pandas自带的工具就能轻松搞定，给你分享几个常用的实现方式：

方法一：手动构建映射字典（最灵活） #

这种方法可以让你完全控制编码的起始值和名称的排序逻辑，步骤很清晰：

import pandas as pd

# 你的原始DataFrame
df = pd.DataFrame({"P1":["a","b","c","a"], "P2":["b","c","d","c"]})

# 1. 提取所有唯一的人名（覆盖两列的全部名称空间）
all_unique_names = pd.concat([df['P1'], df['P2']]).unique()

# 2. 创建名称到编码的映射（这里编码从1开始，和你的示例一致）
name_code_map = {name: idx + 1 for idx, name in enumerate(all_unique_names)}

# 3. 将两列替换为对应的编码
df['P1'] = df['P1'].map(name_code_map)
df['P2'] = df['P2'].map(name_code_map)

print(df)

运行后就会得到你想要的输出：

P1  P2
0   1   2
1   2   3
2   3   4
3   1   3

如果想要编码从0开始，只需要去掉+1就行；要是想调整名称的排序（比如按字母序），可以把all_unique_names改成sorted(pd.concat([df['P1'], df['P2']]).unique())。

方法二：用factorize()快速编码 #

factorize()是Pandas专门用于给唯一值分配整数编码的工具，用起来更简洁：

import pandas as pd

df = pd.DataFrame({"P1":["a","b","c","a"], "P2":["b","c","d","c"]})

# 合并两列并进行编码，返回编码数组和对应的唯一值
all_codes, all_names = pd.factorize(pd.concat([df['P1'], df['P2']]))

# 把编码拆分回原两列的长度，同时转成从1开始的编码
df['P1'] = all_codes[:len(df)] + 1
df['P2'] = all_codes[len(df):] + 1

print(df)

这个方法会按照名称第一次出现的顺序分配编码，和你的示例逻辑完全匹配，代码量更少。

方法三：利用Categorical类型统一类别体系 #

如果后续还要对这些编码做类别相关的操作，用Categorical类型会更合适，它能保证两列共享同一个类别集合：

import pandas as pd

df = pd.DataFrame({"P1":["a","b","c","a"], "P2":["b","c","d","c"]})

# 定义全局的类别集合
global_categories = pd.concat([df['P1'], df['P2']]).unique()

# 将两列转换为Categorical类型，并提取编码（+1转成从1开始）
df['P1'] = pd.Categorical(df['P1'], categories=global_categories).codes + 1
df['P2'] = pd.Categorical(df['P2'], categories=global_categories).codes + 1

print(df)

这种方法的优势是，后续如果要新增类别或者修改编码规则，直接调整global_categories就行，两列会自动同步。

内容的提问来源于stack exchange，提问作者Shew