pandas中是非常容易实现的,转换成Categories对象即可。术语叫做因子和水平，水平一般都会自动转成数字储存。

c = ['A','A','A','B','B','C','C','C','C']
category = pd.Categorical(c)

接下来查看category的label即可

print category.labels

sklearn中有现成的:

preprocessing.LabelEncoder().fit_transform(data)

详见官方文档

就可以直接字符数字间的转换了

没有实际运用过，不知道map函数能否实现你的需求，具体参考文档
http://pandas.pydata.org/pand...

这只是个映射的逻辑而已，根本没必要用pandas和scikit-learn，大材小用了嘛

a = ['A','A','A','B','B','C','C','C','C']
result = [x for x in map(lambda c: ord(c) - ord('A'), a)]

如果非要说用pandas，那么这不正好是 Series吗

import pandas as pd
a = ['A','A','A','B','B','C','C','C','C']
result = pd.Series(a).map(lambda c: ord(c) - ord('A'))