基于 python 分配用户 ID 的有效方法

Question

我正在尝试根据电子邮件分配用户 ID，我的数据如下所示：

email, date, status
user1@email.com, 28-05-2020, 1
user2@email.com, 28-05-2020, 5
user3@email.com, 29-05-2020, 2
user4@email.com, 30-05-2020, 1

单个用户 email 可以在 dataframe 中多次出现，我当然希望每次都用单个用户 ID 替换 email。 我目前的做法是：

users = all_data['email']
unique = all_data['email'].unique()
ids = [np.where(unique == user) for user in users]

这工作正常，但需要永远运行大量数据。 对于 50 条记录，它轻而易举地运行。 对于 500k 记录，我还没有看到它完成。 有没有办法可以更有效地做到这一点？

Answer 1

IIUC, Series.factorize

df['id'] = df['email'].factorize()[0]