下面是一个示例代码，演示如何使用标签编码对多个分类列进行编码：

import pandas as pd
from sklearn.preprocessing import LabelEncoder

# 创建一个示例数据集
data = {'color': ['红', '蓝', '绿', '黄', '红', '蓝', '绿', '黄'],
        'size': ['大', '小', '中', '中', '大', '小', '中', '中'],
        'shape': ['圆', '方', '三角', '圆', '方', '三角', '圆', '方'],
        'label': ['是', '否', '是', '否', '否', '是', '是', '否']}

# 创建一个DataFrame
df = pd.DataFrame(data)

# 对多个分类列进行标签编码
le = LabelEncoder()
df['color_encoded'] = le.fit_transform(df['color'])
df['size_encoded'] = le.fit_transform(df['size'])
df['shape_encoded'] = le.fit_transform(df['shape'])
df['label_encoded'] = le.fit_transform(df['label'])

# 打印编码后的结果
print(df)

输出结果为：

  color size shape label  color_encoded  size_encoded  shape_encoded  label_encoded
0     红    大     圆     是              2             0               2              1
1     蓝    小     方     否              3             2               0              0
2     绿    中   三角     是              1             1               1              1
3     黄    中     圆     否              0             1               2              0
4     红    大     方     否              2             0               0              0
5     蓝    小   三角     是              3             2               1              1
6     绿    中     圆     是              1             1               2              1
7     黄    中     方     否              0             1               0              0

在这个示例中，我们使用pandas库创建了一个包含多个分类列的DataFrame。然后，我们使用sklearn库的LabelEncoder类对每个分类列进行标签编码，并将编码结果添加到DataFrame中的新列中。最后，我们打印了编码后的结果。