Question

获取原始数据 - ＆gt;转换它并将其与其他文件连接 - ＆gt;发送电子邮件给最终用户进行审核

最好的方法是什么？

Answer 1

如果'employee_id'+'customer_id'+'timestamp'很长，并且您对不太可能发生冲突感兴趣，可以将其替换为哈希值。散列的范围和质量将决定冲突的概率。也许最简单的方法是使用builtin hash。假设您的DataFrame为df，且列为字符串，则为

(df.employee_id + df.customer_id + df.timestamp).apply(hash)

如果您想更好地控制大小和碰撞概率，请参阅this piece on non-crypotgraphic hash functions in Python。

修改

在an answer to this question上构建，你可以像这样构建10个字符的哈希：

import hashlib
df['survey_id'] = (df.employee_id + df.customer_id + df.timestamp).apply(
    lambda s: hashlib.md5(s).digest().encode('base64')[: 10])

Answer 2

如果有人正在寻找模块化功能，请将其保存到文件中以备不时之需。（对于 Pandas 数据帧）

df 是您的数据框，columns 是要散列的列列表，而 name 是具有散列值的新列的名称。

返回原始数据帧的副本，其中包含一个包含每行哈希的新列。

def hash_cols(df, columns, name="hash"):
    new_df = df.copy()
    def func(row, cols):
        col_data = []
        for col in cols:
            col_data.append(str(row.at[col]))

        col_combined = ''.join(col_data).encode()
        hashed_col = sha256(col_combined).hexdigest()
        return hashed_col

    new_df[name] = new_df.apply(lambda row: func(row,columns), axis=1)

    return new_df

在pandas中每行创建一个唯一值？

2 个答案: