Python 在列上迭代以将dtype对象编码为分类值

我有一个数据集，其中充满了目前尚未编码的分类值。例如，我有一个名为

condition

的变量，它具有以下值：

非常好

，

非常好

，

非常好

我想对它们进行编码（给它们整数值），这样我就可以在回归中使用它们作为分类伪变量。然而，我的数据帧中有很多这样的内容，所以我想迭代每一列，并对所有的数据类型对象进行编码。 这是我的尝试：

import pandas as pd
from sklearn.preprocessing import LabelEncoder
enc=LabelEncoder()

for column in df_06:
    if df_06["column"].values==object:
        df_06["column"]=enc.fit_transform(df_06["column"])

我的数据帧是

错误：

in（）

df_06中列的

1:

--->2如果df_06[列]。值==对象：

3 df_06[column]=enc.fit_变换（df_06[column]）

ValueError：包含多个元素的数组的真值为

模棱两可。使用a.any（）或a.all（）

---

for循环有很多错误。例如，pd[“column”]不会调用value列。此外，您正在尝试将整列与单个值“object”（您在注释中报告的错误）进行比较

对于您的问题，您可以使用

 for column in df.select_dtypes(include=['whatever_type_you_want']):
    df[column], _ = pd.factorize(df[column])

---

select\u数据类型也可以接受exclude作为参数。

编码前，请确保您的列表示为

类别

：

df_06[list_of_columns_to_encode].apply(lambda col: col.astype('category'))

现在如果你想要一个热编码，为什么不直接使用呢

pd.get_dummies(df_06, columns=[list_of_columns_to_encode])

如果要使用

LabelEncoder

，请尝试以下操作：

le = LabelEncoder()
df_06[list_of_columns_to_encode].apply(le.fit_transform)

如果您想了解更多有关如何使用相同的

标签编码

词典转换未来数据的信息，请参阅答案

---

有什么问题吗？它返回什么？您是将它们编码为整数还是虚拟变量（也称为一个热编码）？这是两种不同的技术。您给出的示例似乎是有序的，最好使用您自己的映射进行编码。例如

{'Very Good'：0，'Excellent'：1，'Very Excellent'：2}

LabelEncoder

无法保证正确的顺序我想将它们编码为傻瓜。无需手动操作即可快速映射它们的方法是什么？对于df_06中的列，在（）1中：-->2如果df_06[column]。值==对象：3 df_06[column]=enc.fit_变换（df_06[column]）值错误：具有多个元素的数组的真值不明确。使用a.any（）或a.all（）谢谢。调用该列的适当方式是什么？@J.DF您必须删除“：df06[列]谢谢。因此，新循环看起来是这样的：对于df_06:df_06[column]中的列，factorzefactorze实际上返回两个值（），因此您必须执行类似的操作：对于df:df[column]中的列，u=pd.factorze（df[column]），这将分别对每个列进行编码，如果你觉得可以的话。问题是它也会对整数值进行编码。这就是为什么我使用if df_06[column].values==object。还有，你做什么？