如何使用pandas在dataframepython中编码多个列（但不是所有列）

我想使用两个数据帧（测试数据帧、训练数据帧）构建一个朴素的贝叶斯模型

数据帧包含13列，但我只想将数据帧从

str

编码为

int

值，只需5-6列。我如何使用一个代码来实现这一点，以便可以直接对6列进行编码，我遵循以下答案：

---

但它只编码1列，而我想要的是6列和1个代码。

您可以循环遍历这些列并拟合变换

cols = ['col1', 'col2', 'col3', 'col4', 'col5', 'col6']

for col in cols:
    le = LabelEncoder()
    df[col] = le.fit_transform(df[col].astype('str'))
    
df

理想情况下，您希望对训练数据集和测试数据集使用相同的trasnfomer
为此，您需要使用

对于col中的col：
le=标签编码（）
le.fit（df_列[col].astype（'str'））
df_列[col]=le.transform（df_列[col].astype（'str'））
df_test[col]=le.transform（df_test[col].astype（'str'））
df

您尝试应用（）了吗

---

它是自动保存的还是需要像您使用时一样将其放入

inplace=True

？它是自动保存的。df_列[col]=le.transform（df_列[col]）等价于le.transform（df_列[col]，inplace=True）。您可以使用赋值运算符“=”或使用inplace=True。两者都会给出相同的结果。但不要同时使用它们。

TypeError:参数必须是一个字符串或数字，当我从sklearn构建类似这样的代码时，它会产生。预处理导入标签编码cols=['Length\u Employed'、'Home\u Owner'、'Income\u Verified'、'Purpose\u\u Loan'、'Gender']对于cols中的col:le=LabelEncoder（）le.fit（df[col]）]df[col]=le.transform（df[col]）df1[col]=le.transform（df1[col]）嗨，当我尝试它时，我也将le.fit（df_train[col]）

转换成了le.fit（df_train[col].astype（'str'），效果很好

cols = ['col1', 'col2', 'col3', 'col4', 'col5', 'col6']

for col in cols:
    le = LabelEncoder()
    df[col] = le.fit_transform(df[col].astype('str'))
    
df

 le = LabelEncoder()
 df['colors'] = df['colors'].apply(lambda x: le.fit_transform(x))