python – 在Pandas中,如何根据多列的组合创建一个唯一的ID?
发布时间:2020-12-20 11:51:10 所属栏目:Python 来源:网络整理
导读:我有一个非常大的数据集,看起来像 df = pd.DataFrame({'B': ['john smith','john doe','adam smith',np.nan],'C': ['indiana jones','duck mc duck','batman',np.nan]})dfOut[173]: B C0 john smith indiana jones1 john doe duck mc duck2 adam smith batma
我有一个非常大的数据集,看起来像
df = pd.DataFrame({'B': ['john smith','john doe','adam smith',np.nan],'C': ['indiana jones','duck mc duck','batman',np.nan]}) df Out[173]: B C 0 john smith indiana jones 1 john doe duck mc duck 2 adam smith batman 3 john doe duck mc duck 4 NaN NaN 我需要创建一个ID变量,这对于每个B-C组合都是唯一的.也就是说,输出应该是 B C ID 0 john smith indiana jones 1 1 john doe duck mc duck 2 2 adam smith batman 3 3 john doe duck mc duck 2 4 NaN NaN 0 我实际上不关心索引是否从零开始,以及缺失列的值是0还是任何其他数字.我只是想要一些快速的东西,它不会占用大量内存并且可以快速排序. df['combined_id']=(df.B+df.C).rank(method='dense') 但输出是float64并占用大量内存.我们可以做得更好吗? 解决方法
我想你可以使用
factorize :
df['combined_id'] = pd.factorize(df.B+df.C)[0] print df B C combined_id 0 john smith indiana jones 0 1 john doe duck mc duck 1 2 adam smith batman 2 3 john doe duck mc duck 1 4 NaN NaN -1 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |