我正在处理一个用于机器学习的汽车评估数据集，数据集如下所示
buying,maint,doors,persons,lug_boot,safety,classvhigh,vhigh,2,2,small,low,unaccvhigh,vhigh,2,2,small,med,unaccvhigh,vhigh,2,2,small,high,unaccvhigh,vhigh,2,2,med,low,unaccvhigh,vhigh,2,2,med,med,unaccvhigh,vhigh,2,2,med,high,unacc我想将这些字符串按列转换为唯一的枚举整数。我了解到pandas.factorize()是可行的方法，但它只能作用于一列。我如何用一个命令一次性对整个数据框进行因子化处理呢？
我尝试使用lambda函数，但它不起作用。
df.apply(lambda c:pd.factorize(c),axis=1)
输出结果：
0 ([0, 0, 1, 1, 2, 3, 4], [vhigh, 2, small, low,... 1 ([0, 0, 1, 1, 2, 3, 4], [vhigh, 2, small, med,... 2 ([0, 0, 1, 1, 2, 3, 4], [vhigh, 2, small, high... 3 ([0, 0, 1, 1, 2, 3, 4], [vhigh, 2, med, low, u... 4 ([0, 0, 1, 1, 2, 2, 3], [vhigh, 2, med, unacc]) 5 ([0, 0, 1, 1, 2, 3, 4], [vhigh, 2, med, high, ...我看到了编码后的值，但无法从上面的数组中提取出来
回答：
Factorize返回一个包含(值, 标签)的元组。你只需要数据框中的值部分。
In [26]: cols = ['buying', 'maint', 'lug_boot', 'safety', 'class']In [27]: df[cols].apply(lambda x: pd.factorize(x)[0])Out[27]: buying maint lug_boot safety class0 0 0 0 0 01 0 0 0 1 02 0 0 0 2 03 0 0 1 0 04 0 0 1 1 05 0 0 1 2 0然后将这些值与数值数据合并。
不过，这里需要提醒一下：这种方法暗示了“低”安全性和“高”安全性与“中”安全性之间的距离是相同的。你可能更适合使用pd.get_dummies：
In [37]: dummies = []In [38]: for col in cols: ....: dummies.append(pd.get_dummies(df[col])) ....: In [39]: pd.concat(dummies, axis=1)Out[39]: vhigh vhigh med small high low med unacc0 1 1 0 1 0 1 0 11 1 1 0 1 0 0 1 12 1 1 0 1 1 0 0 13 1 1 1 0 0 1 0 14 1 1 1 0 0 0 1 15 1 1 1 0 1 0 0 1get_dummies有一些可选参数来控制命名，你可能会用到这些参数。
