后来，我发现首先将title的元素划分为5列并应用标签编码可以解决我的问题。我现在分享一个解决方案示例：

def process(self):
    for i in range(self._MULHOTBEGIN,self._MULHOTEND):
        print("\tWorking on",self.df.columns[i])
        self._colnames.append(self.df.columns[i])
        self.df = pd.merge(self.df,self._processSubRoutine(i), left_index=True, right_index=True)
    print("\tCollecting garbage.")
    self._collectGarbage()

def _processSubRoutine(self, colindex):
    result = list()
    for i in range(self._len):
        truncated = self.df.iloc[i,colindex][:self._MAXLEN]
        padded = list(truncated) + ['0']*(self._MAXLEN-len(truncated))
        result.append(padded)
    colnames = self._createColNames(colindex)
    print("\t",colnames)
    return pd.DataFrame(result,columns=colnames, index=self.df.index)

这些进程在中的预处理文件内调用

M = MulHotProcessor(reorderedSource,mulhotBeginIndex2, mulhotEndIndex2, max_len_per_slot_2)
M.process()
sourceProc = M.getDataFrame()

entvals = pd.concat([sourceProc['title_0'],sourceProc['title_1'], \
              sourceProc['title_2'],sourceProc['title_3'], \
              sourceProc['title_4']]).unique()

最后，我们通过拟合唯一值来应用标签编码

le.fit(<unique_values>) # whatever you name your unique values

sourceProc['title_0']=le.transform(sourceProc['title_0'])
sourceProc['title_1']=le.transform(sourceProc['title_1'])
sourceProc['title_2']=le.transform(sourceProc['title_2'])
...

最后，你将在很短的时间内准备好问题中从第一个DF到第二个DF的转换。