![](/img/trans.png)
[英]How to create a new column in Pandas DataFrame based on a combination 1 and many columns
[英]In Pandas, how to create a unique ID based on the combination of many columns?
我有一個非常大的數據集,看起來像
df = pd.DataFrame({'B': ['john smith', 'john doe', 'adam smith', 'john doe', np.nan], 'C': ['indiana jones', 'duck mc duck', 'batman','duck mc duck',np.nan]})
df
Out[173]:
B C
0 john smith indiana jones
1 john doe duck mc duck
2 adam smith batman
3 john doe duck mc duck
4 NaN NaN
我需要創建一個 ID 變量,它對於每個 BC 組合都是唯一的。 也就是說,output應該是
B C ID
0 john smith indiana jones 1
1 john doe duck mc duck 2
2 adam smith batman 3
3 john doe duck mc duck 2
4 NaN NaN 0
我實際上不關心索引是否從零開始,以及缺失列的值是 0 還是任何其他數字。 我只是想要一些快速的東西,不需要很多 memory 並且可以快速排序。 我用:
df['combined_id']=(df.B+df.C).rank(method='dense')
但是 output 是float64
並且需要很多 memory。我們可以做得更好嗎? 謝謝!
我認為你可以使用factorize
:
df['combined_id'] = pd.factorize(df.B+df.C)[0]
print df
B C combined_id
0 john smith indiana jones 0
1 john doe duck mc duck 1
2 adam smith batman 2
3 john doe duck mc duck 1
4 NaN NaN -1
使 jezrael 的答案更籠統一些(如果列不是字符串怎么辦?),您可以使用此緊湊函數:
def make_identifier(df):
str_id = df.apply(lambda x: '_'.join(map(str, x)), axis=1)
return pd.factorize(str_id)[0]
df['combined_id'] = make_identifier(df[['B','C']])
我有一個非常大的數據集,看起來像
df = pd.DataFrame({'B': ['john smith', 'john doe', 'adam smith', 'john doe', np.nan], 'C': ['indiana jones', 'duck mc duck', 'batman','duck mc duck',np.nan]})
df
Out[173]:
B C
0 john smith indiana jones
1 john doe duck mc duck
2 adam smith batman
3 john doe duck mc duck
4 NaN NaN
我需要創建一個ID變量,該變量對於每個BC組合都是唯一的。 也就是說,輸出應為
B C ID
0 john smith indiana jones 1
1 john doe duck mc duck 2
2 adam smith batman 3
3 john doe duck mc duck 2
4 NaN NaN 0
我實際上並不在乎索引是否從零開始,以及缺失列的值是0還是任何其他數字。 我只想要快速的東西,不需要太多的內存並且可以快速排序。 我用:
df['combined_id']=(df.B+df.C).rank(method='dense')
但輸出為float64
並占用大量內存。 我們可以做得更好嗎? 謝謝!
jezrael 的回答很棒。 但是因為這是針對多列的,所以我更喜歡使用.ngroup()因為這樣 NaN 可以保持為 NaN。
df['combined_id'] = df.groupby(['B', 'C'], sort = False).ngroup()
df
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.