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：

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