Python 在两个不同的数据帧中分解列

我有两个数据帧，每个数据帧中都有一个分类列

col

。我想用数字替换所有类别，所以我决定这样做：

df1['col']=pd.factorize（df1['col']）[0]

现在的问题是，我如何才能以同样的方式对df2[col]进行编码？我怎样才能同时对出现在

df2[col]

中但不在

df1[col]

中的类别进行编码？

您需要一个

---

对于看不见的标签，这可能是一种解决方案：

enc = LabelEncoder()
enc.fit(df1['col'])
diz_map = dict(zip(enc.classes_, enc.transform(enc.classes_)+1))

for i in set(df2['col']).difference(df1['col']):
    diz_map[i] = 0

df1['col'] = [diz_map[i] for i in df1['col'].values]
df2['col'] = [diz_map[i] for i in df2['col'].values]

---

将df2['col']]中所有看不见的值映射为0

您可能希望在代码中添加一些解释，以使其更清晰op@Marco谢谢！还有一件事，如果df2也有一些新标签，而不是在df1中预设的呢？我如何克服它？这不起作用，为什么是0？0是编码器最不可见的值。如果不是，则映射错误。我试图从df1和df2中提取值，并将其分别应用于df1和df2，但大小不同different@yatu解决方案有效。。。。为方便起见，将其设置为0。在LabelEncoder中编码的第一个类始终为0，因此我们确定它存在，同时我们在其他数值类enc.transform（enc.classes_u）+1中操作1的转换，因此不会出错谢谢@yatu。我已经做了编辑，你能看一下最后一个问题吗？

enc = LabelEncoder()
enc.fit(df1['col'])
diz_map = dict(zip(enc.classes_, enc.transform(enc.classes_)+1))

for i in set(df2['col']).difference(df1['col']):
    diz_map[i] = 0

df1['col'] = [diz_map[i] for i in df1['col'].values]
df2['col'] = [diz_map[i] for i in df2['col'].values]