Python 熊猫-基于行值生成唯一ID

我想为用户生成一个基于整数的唯一ID（在我的df中）

假设我有：

index  first  last    dob
0      peter  jones   20000101
1      john   doe     19870105
2      adam   smith   19441212
3      john   doe     19870105
4      jenny  fast    19640822

我想生成一个ID列，如下所示：

index  first  last    dob       id
0      peter  jones   20000101  1244821450
1      john   doe     19870105  1742118427
2      adam   smith   19441212  1841181386
3      john   doe     19870105  1742118427
4      jenny  fast    19640822  1687411973

10位ID，但它基于字段的值（john doe相同的行值获得相同的ID）

我已经研究过散列、加密和UUID，但找不到与这个特定的非安全用例有多大关系。它只是生成一个内部标识符

• 我不能使用groupby/cat代码类型方法，以防 行变了
• 数据集不会超过50k行
• 可以安全地假设不会有第一个、最后一个dob重复

我觉得我可能是用错误的方式处理这个问题，因为我找不到太多关于它的文献

---

谢谢

这里有一种使用numpy的方法

import numpy as np
np.random.seed(1)

# create a list of unique names
names = df[['first', 'last']].agg(' '.join, 1).unique().tolist()

# generte ids
ids = np.random.randint(low=1e9, high=1e10, size = len(names))

# maps ids to names
maps = {k:v for k,v in zip(names, ids)}

# add new id column
df['id'] = df[['first', 'last']].agg(' '.join, 1).map(maps)

   index  first   last       dob          id
0      0  peter  jones  20000101  9176146523
1      1   john    doe  19870105  8292931172
2      2   adam  smith  19441212  4108641136
3      3   john    doe  19870105  8292931172
4      4  jenny   fast  19640822  6385979058

---

您可以在数据框列上应用以下函数

def generate_id(s):
    return abs(hash(s)) % (10 ** 10)

df['id'] = df['first'].apply(generate_id)

如果发现某些值不是精确的数字，您可以执行下面的操作-

def generate_id(s, size):
    val = str(abs(hash(s)) % (10 ** size))
    if len(val) < size:
        diff = size - len(val)
        val = str(val) + str(generate_id(s[:diff], diff))
    return int(val)

def生成_id（s，大小）：
val=str（abs（散列））%（10**size））
如果len（val）<尺寸：
差异=尺寸-长度（val）
val=str（val）+str（生成_id（s[：diff]，diff））
返回整数（val）

您可以尝试使用哈希函数

df['id'] = df[['first', 'last']].sum(axis=1).map(hash)

---

请注意，哈希id大于10位，是一个唯一的整数序列。

执行如下操作：

df.groupby（['first'，last'，dob']，sort=False）。ngroup（）.apply（'{:010}'。格式）

做你想做的吗？你可以通过这个线程了解更多关于散列的知识。这很不错，虽然我得到了一些9位ID的混合印加，但你在生成9位数字的地方共享了两个字符串？

Sarah Wood

，

Tom Almond

我在多个环境中进行了测试，它只生成10位数字。检查此链接-@swifty添加一些代码，您可以使用、测试、修改相同的代码。是否需要使用

seed

使生成一致？