将 UUID 添加到 Pandas DF

Question

假设我有一个像这样的 Pandas DataFrame：

df = pd.DataFrame({'Name': ['John Doe', 'Jane Smith', 'John Doe', 'Jane Smith','Jack Dawson','John Doe']})
df:
        Name
    0   John Doe
    1   Jane Smith
    2   John Doe
    3   Jane Smith
    4   Jack Dawson
    5   John Doe

如果名称相同，我想添加一个带有相同 uuid 的列。例如，上面的 DataFrame 应该变成：

df:
            Name        UUID
        0   John Doe    6d07cb5f-7faa-4893-9bad-d85d3c192f52
        1   Jane Smith  a709bd1a-5f98-4d29-81a8-09de6e675b56
        2   John Doe    6d07cb5f-7faa-4893-9bad-d85d3c192f52
        3   Jane Smith  a709bd1a-5f98-4d29-81a8-09de6e675b56
        4   Jack Dawson 6a495c95-dd68-4a7c-8109-43c2e32d5d42
        5   John Doe    6d07cb5f-7faa-4893-9bad-d85d3c192f52

uuid 应该从 uuid.uuid4() 函数生成。

我目前的想法是使用 groupby("Name").cumcount() 来识别哪些行具有相同的名称，哪些不同。然后我会用 cumcount 的键和 uuid 的值创建一个字典，并使用它来将 uuid 添加到 DF。

虽然这会起作用，但我想知道是否有更有效的方法来做到这一点？

Answer 1

对数据框进行分组并应用 uuid.uuid4 将比循环遍历组更有效。由于您想保留数据框的原始形状，您应该使用pandasfunction transform。

使用您的示例数据框，我们将添加一列以便应用一系列transform。由于uuid.uuid4不接受任何参数，因此列是什么并不重要。

df = pd.DataFrame({'Name': ['John Doe', 'Jane Smith', 'John Doe', 'Jane Smith','Jack Dawson','John Doe']})
df.loc[:, "UUID"] = 1

现在使用transform：

import uuid
df.loc[:, "UUID"] = df.groupby("Name").UUID.transform(lambda g: uuid.uuid4())

+----+--------------+--------------------------------------+
|    |    Name      |                 UUID                 |
+----+--------------+--------------------------------------+
| 0  | John Doe     | c032c629-b565-4903-be5c-81bf05804717 |
| 1  | Jane Smith   | a5434e69-bd1c-4d29-8b14-3743c06e1941 |
| 2  | John Doe     | c032c629-b565-4903-be5c-81bf05804717 |
| 3  | Jane Smith   | a5434e69-bd1c-4d29-8b14-3743c06e1941 |
| 4  | Jack Dawson  | 6b843d0f-ba3a-4880-8a84-d98c4af09cc3 |
| 5  | John Doe     | c032c629-b565-4903-be5c-81bf05804717 |
+----+--------------+--------------------------------------+

uuid.uuid4 将被调用多少次，因为有不同的组

Answer 2

这个怎么样

names = df['Name'].unique()
for name in names:
    df.loc[df['Name'] == name, 'UUID'] = uuid.uuid4()

可以缩短为

for name in df['Name'].unique():
    df.loc[df['Name'] == name, 'UUID'] = uuid.uuid4()