我尝试通过因子化对数据框中的类别列表进行编码。然后,我将从这系列列表创建一个矩阵(将其归一化为一个固定长度,创建一个多维数组,并对矩阵中的元素进行一位有效编码)。
然而,在行之间这些因子不保持一致性。可以从以下内容看到:
>>> import pandas as pd
>>> df = pd.DataFrame({'A': [ ['Other', 'Male', 'Female', 'Male', 'Other'], ['Female', 'Other', 'Male'] ]})
>>> df['B'] = df.A.apply(lambda x: pd.factorize(x)[0])
>>> df
A B
0 [Other, Male, Female, Male, Other] [0, 1, 2, 1, 0]
1 [Female, Other, Male] [0, 1, 2]
有人知道如何在这个系列中保持编码在行之间一致吗?