在Python或Sklearn中用整数值对列变量进行字符串编码

如何用整数值对数据表中字符串类型的列值进行编码。例如，我有两个特征变量：颜色（可能的字符串值R、G和B）和技巧（可能的字符串值C++、java、SQL和Python）。给定的数据表有两列-

Color' -> R G B B G R B G G R G  ;
Skills' -> Java , C++, SQL, Java, Python, Python, SQL, C++, Java, SQL, Java.

< P>我想知道哪一个SkLead函数/方法将在两个列上转换为R＝0，G＝1，B＝2，并且C++＝0，java＝1，SQL＝2，Python＝3：< /P>

Color: 0, 1, 2, 2, 1, 0, 2, 1, 1, 0, 1
Skills:  1, 0, 2, 1, 3, 3, 2, 0, 1, 2, 1

---

请告诉我如何做？？？

使用Sckit学习LabelEncoder（）方法

---

您使用什么类型的对象来保存数据？请给我们看给定的代码。我可以使用np.array或dataframe来保存数据。然而，我可以自由地使用任何类型的对象，只要我可以存储各种样本（行）的特征变量（列）数据。它可以更具体地说是一个列表……它工作得很好。一个观察结果是，它对NaN不起作用……但如果它的元素为空，它就会起作用。

import pandas as pd
from sklearn.preprocessing import LabelEncoder

df = pd.DataFrame({
'colors':  ["R" ,"G", "B" ,"B" ,"G" ,"R" ,"B" ,"G" ,"G" ,"R" ,"G" ],
'skills':  ["Java" , "C++", "SQL", "Java", "Python", "Python", "SQL","C++", "Java", "SQL", "Java"]
})

def encode_df(dataframe):
    le = LabelEncoder()
    for column in dataframe.columns:
        dataframe[column] = le.fit_transform(dataframe[column])
    return dataframe

#encode the dataframe
encode_df(df)