Question

您好我有以下数据框

df = 
A      B   
John   Tom
Homer  Bart
Tom    Maggie
Lisa   John

我想为每个名称分配一个唯一的ID并返回

df = 
A      B         C    D

John   Tom       0    1
Homer  Bart      2    3
Tom    Maggie    1    4 
Lisa   John      5    0

我所做的是以下内容：

LL1 = pd.concat([df.a,df.b],ignore_index=True)
LL1 = pd.DataFrame(LL1)
LL1.columns=['a']
nameun = pd.unique(LL1.a.ravel())
LLout['c'] = 0
LLout['d'] = 0
NN = list(nameun)
for i in range(1,len(LLout)):
   LLout.c[i] = NN.index(LLout.a[i])
   LLout.d[i] = NN.index(LLout.b[i])

但由于我有一个非常大的数据集，这个过程非常慢。

Answer 1

这是一种方式。首先得到一系列独特的名字：

In [11]: df.values.ravel()
Out[11]: array(['John', 'Tom', 'Homer', 'Bart', 'Tom', 'Maggie', 'Lisa', 'John'], dtype=object)

In [12]: pd.unique(df.values.ravel())
Out[12]: array(['John', 'Tom', 'Homer', 'Bart', 'Maggie', 'Lisa'], dtype=object)

并将其设为系列，将名称映射到各自的数字：

In [13]: names = pd.unique(df.values.ravel())

In [14]: names = pd.Series(np.arange(len(names)), names)

In [15]: names
Out[15]:
John      0
Tom       1
Homer     2
Bart      3
Maggie    4
Lisa      5
dtype: int64

现在使用applymap和names.get查找这些数字：

In [16]: df.applymap(names.get)
Out[16]:
   A  B
0  0  1
1  2  3
2  1  4
3  5  0

并将其分配给正确的列：

In [17]: df[["C", "D"]] = df.applymap(names.get)

In [18]: df
Out[18]:
       A       B  C  D
0   John     Tom  0  1
1  Homer    Bart  2  3
2    Tom  Maggie  1  4
3   Lisa    John  5  0

注意：这假设所有值都是要开头的名称，您可能只想将其限制为某些列：

df[['A', 'B']].values.ravel()
...
df[['A', 'B']].applymap(names.get)

Answer 2

（注意：我假设你不关心映射的精确细节 - 例如John变成的数字 - 但只有那个有。）

方法＃1：您可以使用Categorical对象作为中介：

>>> ranked = pd.Categorical(df.stack()).codes.reshape(df.shape)
>>> df.join(pd.DataFrame(ranked, columns=["C", "D"]))
       A       B  C  D
0   John     Tom  2  5
1  Homer    Bart  1  0
2    Tom  Maggie  5  4
3   Lisa    John  3  2

感觉你应该能够将分类视为以某种方式提供编码字典（无论是直接还是通过生成系列），但我看不到方便的方法。

方法＃2：您可以使用rank("dense")，按顺序为每个值生成一个递增的数字：

>>> ranked = df.stack().rank("dense").reshape(df.shape).astype(int)-1
>>> df.join(pd.DataFrame(ranked, columns=["C", "D"]))
       A       B  C  D
0   John     Tom  2  5
1  Homer    Bart  1  0
2    Tom  Maggie  5  4
3   Lisa    John  3  2

为列pandas数据框分配唯一ID

2 个答案: