Pandas 匿名化数据/替换名称
通常我使用hashlib和.apply(hash)函数来匿名化数据 现在我正在尝试一种新的方法,想象一下我必须遵循名为“数据”的df:Pandas 匿名化数据/替换名称,pandas,hash,anonymize,Pandas,Hash,Anonymize,通常我使用hashlib和.apply(hash)函数来匿名化数据 现在我正在尝试一种新的方法,想象一下我必须遵循名为“数据”的df: df = pd.DataFrame({'contributor':['eric', 'frank', 'john', 'frank', 'barbara'], 'amount payed':[10,28,49,77,31]}) contributor amount payed 0 eric
df = pd.DataFrame({'contributor':['eric', 'frank', 'john', 'frank', 'barbara'],
'amount payed':[10,28,49,77,31]})
contributor amount payed
0 eric 10
1 frank 28
2 john 49
3 frank 77
4 barbara 31
我想通过将姓名全部转换为person1
,person2
等来匿名,如下所示:
output = pd.DataFrame({'contributor':['person1', 'person2', 'person3', 'person2', 'person4'],
'amount payed':[10,28,49,77,31]})
contributor amount payed
0 person1 10
1 person2 28
2 person3 49
3 person2 77
4 person4 31
因此,我的第一个想法是汇总name列,以便将名称附加到一个唯一的索引中,我可以将该索引用于“person”之后的数字 是否可以尝试为此操作创建一个名为“index”的数据框,并在其中保留唯一的
名称
值
然后生成具有唯一名称索引的掩码,并将生成的数据帧索引
与数据
合并
index = pd.DataFrame()
index['name'] = df['name'].unique()
index['mask'] = index['name'].apply(lambda x : 'person' +
str(index[index.name == x].index[0] + 1))
data.merge(index, how='left')[['mask', 'amount']]
我认为更快的解决方案是使用唯一值,添加
1
,转换为Series
和string
s,并在Person
string前加上前缀:
df['contributor'] = 'Person' + pd.Series(pd.factorize(df['contributor'])[0] + 1).astype(str)
print (df)
contributor amount payed
0 Person1 10
1 Person2 28
2 Person3 49
3 Person2 77
4 Person4 31
这实际上是非常有用和快速的方法。谢谢你介绍我做因子分解,我以前从未用过@是的,不客气!只能接受一个答案;)美丽的!谢谢!
labels, uniques = pd.factorize(df['name'])
labels = ['person_'+str(l) for l in labels]
df['contributor_anonymized'] = labels