基于整个数据帧的编码标签列

Question

我有熊猫数据帧为：

df =  pd.DataFrame([[1,0,0,1], [0,1,0,0], [0,0,0,0], [1,0,0,0]], columns=list("ABCD"))
>>> df
A  B  C  D
0  1  0  0  1
1  0  1  0  0
2  0  0  0  0
3  1  0  0  0

我想创建一个与df高度相同的单列数据帧，带有标签，因为对于一行中 1 和 0 的每个组合，它分配了一个不同的类(最好是数字(，即这个 df 应该看起来像这样：

>>> df_labels
x
0   0
1   1
2   2
3   3

寻找基于熊猫或sklearn等库中已经内置的功能的解决方案，而不是从头开始编码，尽管任何帮助都值得赞赏。

我现在提出了这样的解决方案：

from sklearn.preprocessing import LabelEncoder 
labels = []
for i in range(0, len(df)):
# create string from every row
val = "".join([str(x) for x in df.loc[i]])
labels.append(val)
# encode numeric labels for strings created
enc = LabelEncoder()
enc.fit(labels)
df_labels = pd.DataFrame(enc.transform(labels)) 
>>> df_labels
0
0  3
1  1
2  0
3  2

但是，有没有更好的方法可以做到这一点？

Answer 1

如果您只需要一个通用标签编码(而不是按照您想要的输出顺序(来分隔列"A"、"B"、"C"、"D"的组合，使用dot是一种简单的方法

n = np.arange(1, len(df.columns)+1)
Out[14]: array([1, 2, 3, 4])
df.dot(n)
Out[15]:
0    5
1    2
2    0
3    1
dtype: int64

因此，每个组合都将编码为dot提供的唯一值

Answer 2

你可以用factorize

pd.factorize(df.apply(tuple,1))[0]
array([0, 1, 2, 3])
pd.Series(pd.factorize(df.apply(tuple,1))[0])
0    0
1    1
2    2
3    3
dtype: int64

Answer 3

据我所知，没有内置方法，但您可以执行以下操作：

df.apply(lambda x: ('_').join(str(x.values)), axis=1).astype('category').cat.codes