如何将唯一编号映射到列表列中的每个唯一字符串

Question

在pandas数据框中，我有一个列，其中每行包含一个字符串列表。 对于每个唯一的字符串，我想分配一个唯一的数字。

如果可能，我想为多列中的每个唯一字符串分配一个唯一的编号。

这是一个最小的例子：

设置初始pandas数据帧

df = pd.DataFrame(data={'A': ['2f4', '1k1', 'nmk'], 'B': ['x', 'y', 'z']})
df.at[0, 'B'] = ['jki', 'gg4', 'k6k']
df.at[1, 'B'] = ['2f4', 'gg4', 'g24']
df.at[2, 'B'] = ['1k1', 'g24', '1k1']

会是这样的

df

     A                B
0  2f4  [jki, gg4, k6k]
1  1k1  [2f4, gg4, g24]
2  nmk  [1k1, g24, 1k1]

我正在寻找类似的结果

     A                B  MappedA    MappedB
0  2f4  [jki, gg4, k6k]        0  [3, 4, 5]
1  1k1  [2f4, gg4, g24]        1  [0, 4, 6]
2  nmk  [1k1, g24, 1k1]        2  [1, 6, 1]

每个字符串都有一个唯一的编号，从0开始。如果再次出现一个字符串，则再次使用第一个分配的编号。

我找到了解决方案，其中列只有一个字符串或数字，如此

为列pandas数据框分配唯一ID

但我找不到任何列包含值列表的解决方案。

编辑：

澄清一下，b列中列表的长度是可变的。

Answer 1

pandas.factorize和numpy.split

i, u = pd.factorize([*df.A, *np.concatenate(df.B)])
l = df.B.str.len()[:-1].cumsum()
n = len(df)

df.assign(MappedA=i[:n], MappedB=np.split(i[n:], l))

     A                B  MappedA    MappedB
0  2f4  [jki, gg4, k6k]        0  [3, 4, 5]
1  1k1  [2f4, gg4, g24]        1  [0, 4, 6]
2  nmk  [1k1, g24, 1k1]        2  [1, 6, 1]

---

说明

1. 将所有列'A'和'B'分解在一起
2. 找到'B'中列表的长度，因为它们将帮助定义分割结果数组的位置
3. 取第一个属于'MappedA' n
4. 取其余部分并根据计算的长度进行分割。

---

可变长度

假设我们有这个df

df = pd.DataFrame(data={'A': ['2f4', '1k1', 'nmk'], 'B': ['x', 'y', 'z']})
df.at[0, 'B'] = ['jki', 'gg4', 'k6k']
df.at[1, 'B'] = ['2f4', 'gg4', 'g24']
df.at[2, 'B'] = ['1k1', 'g24', '1k1', 'pir']

df

     A                     B
0  2f4       [jki, gg4, k6k]
1  1k1       [2f4, gg4, g24]
2  nmk  [1k1, g24, 1k1, pir]

然后相同的解决方案导致

i, u = pd.factorize([*df.A, *np.concatenate(df.B)])
l = df.B.str.len()[:-1].cumsum()
n = len(df)

df.assign(MappedA=i[:n], MappedB=np.split(i[n:], l))

     A                     B  MappedA       MappedB
0  2f4       [jki, gg4, k6k]        0     [3, 4, 5]
1  1k1       [2f4, gg4, g24]        1     [0, 4, 6]
2  nmk  [1k1, g24, 1k1, pir]        2  [1, 6, 1, 7]