标签编码列组合的排列

Question

我想使用sklearn's labeLencoder（）创建两个列的排列类标签。我如何实现以下行为？

import pandas as pd
import numpy as np
from sklearn.preprocessing import LabelEncoder

df = pd.read_csv("data.csv", sep=",")
df
#    A    B    
# 0  1  Yes 
# 1  2   No 
# 2  3  Yes 
# 3  4  Yes

我想置于A＆amp; amp; B而不是分别编码这两列：

df['A'].astype('category')
#Categories (4, int64): [1, 2, 3, 4, ]

df['B'].astype('category')
#Categories (2, object): ['Yes','No']

#Column C should have 4 * 2 classes:
(1,Yes)=1  (1,No)=5
(2,Yes)=2  (2,No)=6
(3,Yes)=3  (3,No)=7
(4,Yes)=4  (4,No)=8

#Newdf
#    A    B  C    
# 0  1  Yes  1
# 1  2   No  6
# 2  3  Yes  3
# 3  4  Yes  4

Answer 1

我们可以使用Cross 合并创建映射DF

out = df.merge(df[['B']].drop_duplicates().merge(df['A'].drop_duplicates(),how='cross').assign(C=lambda x : x.index+1))
Out[415]: 
   A    B  C
0  1  Yes  1
1  2   No  6
2  3  Yes  3
3  4  Yes  4

更多信息

df[['B']].drop_duplicates().merge(df['A'].drop_duplicates(),how='cross').assign(C=lambda x : x.index+1)
Out[417]: 
     B  A  C
0  Yes  1  1
1  Yes  2  2
2  Yes  3  3
3  Yes  4  4
4   No  1  5
5   No  2  6
6   No  3  7
7   No  4  8

Answer 2

您可以创建来自2列的其他列合并值，为一个元组。但是labElencoder无法编码元组，因此您需要获得元组的hash（）：

df['AB'] = df.apply(lambda row: hash((row['A'], row['B'])), axis=1)
le = LabelEncoder()
df['C'] = le.fit_transform(df['AB'])

但是，如果要保留确切的标签订单（您指定的） ，使用labElencoder（）是没有意义的。您可以简单地计算c列如下：

df['C'] = df['A'] + (df['B']=='No') * df['A'].max()

output：

    A   B   C
0   1   Yes 1
1   2   No  6
2   3   Yes 3
3   4   Yes 4

编辑：

如果要保留标签以进行错过的组合（例如（2，'YES'））并且需要用于任意数量类的解决方案，您可以使用2 labelencoder（）：

leA = LabelEncoder()
leB = LabelEncoder()
leA.fit(df['A'])
leB.fit(df['B'])
df['C'] = leA.transform(df['A']) + leA.classes_.size
leB.transform(df['B']) + 1 # if you want labels to start from 1

但是在这种情况下，您无法保留自定义订单，标签列表将自动排序，例如[1,2,3,4]和['no'，'是']。

输出：

    A   B   C
0   1   Yes 5
1   2   No  2
2   3   Yes 7
3   4   Yes 8