如何将向量 (1) 的行作为文本返回另一个向量 (2) 中出现的数字（运行“sklearn.preprocessing.LabelEncoder”的结果）？

如果我正确理解了这个问题（我完全不确定），那么您正在尝试对 URL（第一列）进行编码，以便获得与第二列的代码匹配的“正确”代码（尽管第二列的代码是从不同的数据集中获得的）。

如果在完整数据集上进行训练，则可以做到这一点LabelEncoder- 即 它需要从两个数据集（DataFrames）中提供所有可能的 URL。

例子：

原df：

In [26]: df
Out[26]:
                cleanUrl
0   amerikan-gruzovik.ru
1   amerikan-gruzovik.ru
2           tinatube.net
3           tinatube.net
4       sextelevizor.net
5          ru.anysex.com
6       www.asiamobil.ru
7      www.chinamobil.ru
8                ad-k.ru
9       www.nik-store.ru
..                   ...
12      www.foxporns.com
13   www.chrono24.com.ru
14          www.wibes.ru
15         german242.com
16            santdom.ru
17      treningchess.com
18     razvedem.web-3.ru
19        aktis-stroy.ru
20    www.aktis-stroy.ru
21             plot.name

[22 rows x 1 columns]

对 URL 进行编码：

In [27]: from sklearn.preprocessing import LabelEncoder

In [28]: le = LabelEncoder()

In [29]: df['code_url'] = le.fit_transform(df['cleanUrl'])

In [30]: df
Out[30]:
                cleanUrl  code_url
0   amerikan-gruzovik.ru        19
1   amerikan-gruzovik.ru        19
2           tinatube.net         3
3           tinatube.net         3
4       sextelevizor.net         9
5          ru.anysex.com         6
6       www.asiamobil.ru        11
7      www.chinamobil.ru        15
8                ad-k.ru         0
9       www.nik-store.ru        13
..                   ...       ...
12      www.foxporns.com        12
13   www.chrono24.com.ru        18
14          www.wibes.ru         4
15         german242.com         5
16            santdom.ru         2
17      treningchess.com        10
18     razvedem.web-3.ru        14
19        aktis-stroy.ru         7
20    www.aktis-stroy.ru        17
21             plot.name         1

[22 rows x 2 columns]

现在让我们再看一个 DF：

In [32]: df2
Out[32]:
               cleanUrl
0          tinatube.net
1            santdom.ru
2    www.aktis-stroy.ru
3         ru.anysex.com

要获得与第一个 DF 对应的代码，您需要使用已经训练过的对象LabelEncoder- 我们将使用它transform()来代替fit_transform()，以免重新训练le新数据：

In [33]: df2['code_url'] = le.transform(df2['cleanUrl'])

In [34]: df2
Out[34]:
               cleanUrl  code_url
0          tinatube.net         3
1            santdom.ru         2
2    www.aktis-stroy.ru        17
3         ru.anysex.com         6

如果我们尝试对训练期间未遇到的字符串 (.fit()或.fit_transform()) 进行编码，则会收到以下错误：

In [35]: le.transform(['ru.stackoverflow.com'])
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-35-51ca5dd7c8c5> in <module>()
----> 1 le.transform(['ru.stackoverflow.com'])

~\Anaconda3_5.0\envs\ml\lib\site-packages\sklearn\preprocessing\label.py in transform(self, y)
    131         if len(np.intersect1d(classes, self.classes_)) < len(classes):
    132             diff = np.setdiff1d(classes, self.classes_)
--> 133             raise ValueError("y contains new labels: %s" % str(diff))
    134         return np.searchsorted(self.classes_, y)
    135

ValueError: y contains new labels: ['ru.stackoverflow.com']