不用pandas和sklearn

如果你不想使用pandas和scikit-learn库进行字符分类，你可以使用标准的Python库，例如`collections`来完成一些基础的任务，比如简单计数，而不需要复杂的机器学习模型。以下是一个基本的例子：

1. **统计字符频率**:
可以使用`collections.Counter`来计算每个字符的出现次数。

from collections import Counter

data = "你的文本数据"  # 替换为你的字符串列表或连续字符串
char_freq = Counter(data)

2. **手动编码**:
对于简单的字符分类，可以根据字符频率从高到低排序，然后手动分配类别或索引。

most_common_chars = char_freq.most_common()
# 如果只有两个最常出现的字符，你可以将其视为二元分类
category_map = {char: i for i, (char, _) in enumerate(most_common_chars)}

3. **编码文本**:
然后可以遍历你的原始字符串，将字符替换为其对应的类别码。

encoded_data = [category_map[char] for char in data]

请注意，这种方法适用于非常基础的文本分类，对于复杂分类任务（如情感分析、主题识别），还是建议使用像pandas和scikit-learn这样的工具，因为它们提供了完整的数据预处理、特征工程和模型训练流程。