在数据帧中调整所有行，然后仅基于d进行转换

Question

我知道还有另一篇关于熊猫中多行匹配的帖子，但我现在找的不是这种方法

我的问题是：

我想将数据集A的行中的所有数据进行拟合。在数据集A中，我有4行，每行有不同的数据。我想对所有4行的所有数据进行拟合，然后进行转换

import pandas as pd
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder, MinMaxScaler

pda = pd.DataFrame({"input":pd.Series(["abc23d,efgh45,jklfj4","dfer56,efgh45,jklh45","abc23d,efgh66,jklfj7","abc23d,efgh45,jklfj4"]),
                   "label": pd.Series([1,2,3,1])})

label_encoder = LabelEncoder()
pda["encoded_input"] = pda["input"].apply(lambda x:x.split(",")).apply(label_encoder.fit_transform)

当前结果：（这是错误的，因为它变换每一行，同时变换。我不想一次调整和转换每一行，因为它将保持重置调整词汇表。我想首先在所有行中拟合所有数据，我们有5个以上的数据，所以它的值应该在5以上，我试图首先合并所有行数据，然后使其列出并拟合，但这将花费太多。**我想知道一个更好更聪明的方法来降低成本）

    input   label   encoded_input
0   abc23d,efgh45,jklfj4    1   [0, 1, 2]
1   dfer56,efgh45,jklh45    2   [0, 1, 2]
2   abc23d,efgh66,jklfj7    3   [0, 1, 2]
3   abc23d,efgh45,jklfj4    1   [0, 1, 2]

预期结果：（每行数据具有唯一的数字，然后在转换后赋值）

    input   label   encoded_input
0   abc23d,efgh45,jklfj4    1   [0, 1, 2]
1   dfer56,efgh45,jklh45    2   [0, 1, 2]
2   abc23d,efgh66,jklfj7    3   [0, 1, 2]
3   abc23d,efgh45,jklfj4    1   [0, 1, 2]

Answer 1

我将使用

pda['ecode']=pda.input.str.split(',',expand=True).T.rank().T.values.tolist()
pda
                  input  label            ecode
0  abc23d,efgh45,jklfj4      1  [1.0, 2.0, 3.0]
1  dfer56,efgh45,jklh45      2  [1.0, 2.0, 3.0]
2  abc23d,efgh66,jklfj7      3  [1.0, 2.0, 3.0]
3  abc23d,efgh45,jklfj4      1  [1.0, 2.0, 3.0]

更新

pda['ecode']=pda.input.str.split(',').explode().astype('category').cat.codes.groupby(level=0).apply(list)
pda
                  input  label      ecode
0  abc23d,efgh45,jklfj4      1  [0, 2, 4]
1  dfer56,efgh45,jklh45      2  [1, 2, 6]
2  abc23d,efgh66,jklfj7      3  [0, 3, 5]
3  abc23d,efgh45,jklfj4      1  [0, 2, 4]