Pandas - 根据行值生成唯一 ID

Question

我想为用户生成一个基于整数的唯一 ID（在我的 df 中）。

假设我有：

index  first  last    dob
0      peter  jones   20000101
1      john   doe     19870105
2      adam   smith   19441212
3      john   doe     19870105
4      jenny  fast    19640822

我想像这样生成一个 ID 列：

index  first  last    dob       id
0      peter  jones   20000101  1244821450
1      john   doe     19870105  1742118427
2      adam   smith   19441212  1841181386
3      john   doe     19870105  1742118427
4      jenny  fast    19640822  1687411973

10 位 ID，但它基于字段的值（john doe 相同的行值获得相同的 ID）。

我研究了散列、加密、UUID，但找不到与这个特定的非安全用例有太多关系。它只是生成一个内部标识符。

• 如果行的顺序发生变化，我不能使用 groupby/cat 代码类型方法。
• 数据集不会超过 50k 行。
• 可以安全地假设不会有第一个，最后一个，dob 重复。

感觉我可能以错误的方式解决这个问题，因为我找不到太多关于它的文献！

谢谢

Answer 1

这是使用 numpy 的一种方法

import numpy as np
np.random.seed(1)

# create a list of unique names
names = df[['first', 'last']].agg(' '.join, 1).unique().tolist()

# generte ids
ids = np.random.randint(low=1e9, high=1e10, size = len(names))

# maps ids to names
maps = {k:v for k,v in zip(names, ids)}

# add new id column
df['id'] = df[['first', 'last']].agg(' '.join, 1).map(maps)

   index  first   last       dob          id
0      0  peter  jones  20000101  9176146523
1      1   john    doe  19870105  8292931172
2      2   adam  smith  19441212  4108641136
3      3   john    doe  19870105  8292931172
4      4  jenny   fast  19640822  6385979058