如何统一Pandas DataFrame中两个分类列的编码（含150个类别）

嘿，这个统一分类编码的问题我太熟了！你现在的核心问题是两个列的编码规则没拉通，导致不同类别撞了编码。给你两个靠谱的解决方案，都是我平时处理这类问题常用的：

方法一：手动构建全局编码映射（最灵活） #

这种方法完全由你掌控编码规则，适合需要自定义特定类别编码的场景：

1. 先收集所有唯一类别：把两列的类别合并，确保没有遗漏任何一个类别
2. 自定义核心编码规则：先把你需要固定的类别（比如b→1，c→2）写进映射字典
3. 自动分配剩余编码：给剩下的类别分配不重复的编码，避免冲突
4. 应用映射到两列：用map()方法把原列转换成统一编码

示例代码： #

import pandas as pd

# 构造类似你的DataFrame示例
df = pd.DataFrame({
    'A': ['b', 'a', 'd', 'b', 'f'],
    'B': ['c', 'b', 'e', 'c', 'a']
})

# 步骤1：收集所有唯一类别
all_categories = pd.concat([df['A'], df['B']]).unique()

# 步骤2：初始化自定义编码映射
code_mapping = {
    'b': 1,
    'c': 2  # 这里固定你要的c→2
}

# 步骤3：给剩余类别分配不重复编码（从3开始）
next_code = 3
for cat in all_categories:
    if cat not in code_mapping:
        code_mapping[cat] = next_code
        next_code += 1

# 步骤4：对两列应用编码
df['A_encoded'] = df['A'].map(code_mapping)
df['B_encoded'] = df['B'].map(code_mapping)

print(df)

运行后你会看到，不管是列A还是列B里的b都对应1，c都对应2，其他类别也有唯一的编码，不会冲突。

方法二：用Pandas Categorical类型统一管理 #

如果你的编码规则是“固定几个类别，剩下的按顺序来”，用Categorical类型更简洁：

示例代码： #

import pandas as pd

df = pd.DataFrame({
    'A': ['b', 'a', 'd', 'b', 'f'],
    'B': ['c', 'b', 'e', 'c', 'a']
})

# 收集所有类别，然后调整顺序：把需要固定编码的放在前面
all_cats = pd.concat([df['A'], df['B']]).unique()
# 先放b和c，再放其他类别
ordered_cats = ['b', 'c'] + [cat for cat in all_cats if cat not in ['b', 'c']]

# 转换为Categorical并生成编码（默认从0开始，所以+1让b对应1）
df['A_encoded'] = pd.Categorical(df['A'], categories=ordered_cats).codes + 1
df['B_encoded'] = pd.Categorical(df['B'], categories=ordered_cats).codes + 1

print(df)

这种方法的好处是，后续如果要新增类别，只需要更新ordered_cats列表就行，编码会自动顺延。

注意事项： #

• 不管用哪种方法，都要确保所有类别都被包含在编码映射里，不然转换后会出现NaN
• 如果后续有新类别加入DataFrame，记得先更新你的编码映射，再重新转换
• 手动指定编码时，一定要检查有没有重复的编码值，避免再次出现类别撞码的问题

内容的提问来源于stack exchange，提问作者mar