pandas中值的唯一從零開始的id

Question

我在DataFrame中有一些帶有標識符列的數據。

data = DataFrame({'id' : [50,50,30,10,50,50,30]})

對於每個唯一ID，我想提出一個新的唯一標識符。 我希望id從0開始是連續整數。這是我到目前為止所擁有的：

unique = data[['id']].drop_duplicates()   
unique['group'] = np.arange(len(unique))
unique.set_index('id')
data = data.merge(unique, 'inner', on = 'id')

這有效，但看起來有點臟。 有沒有更好的辦法？

Answer 1

這就是pandas.factorize作用：

data = pd.DataFrame({'id' : [50,50,30,10,50,50,30]})
print pd.factorize(data.id)[0]

輸出：

[0 0 1 2 0 0 1]

numpy.unique也可以這樣做：

import numpy as np
print np.unique([50,50,30,10,50,50,30], return_inverse=True)[1]

輸出：

array([2, 2, 1, 0, 2, 2, 1])

由numpy.unique輸出的索引按值排序，因此最小值10指向索引0.如果您想通過使用factorize此結果，請將sort參數設置為True ：

pandas.factorize(data.id, sort=True)[0]