python - 重新编码 pandas 列的最有效和 Pythonic 方法是什么？

Question

我想在 pandas DataFrame 中“匿名化”或“重新编码”一列。最有效的方法是什么？我写了以下内容，但似乎有内置函数或更好的方法。

dataset = dataset.sample(frac=1).reset_index(drop=False) # reorders dataframe randomly (helps anonymization, since order could have some meaning)

# make dictionary of old and new values
value_replacer = 1
values_dict = {}   
for unique_val in dataset[var].unique():
    values_dict[unique_val] = value_replacer
    value_replacer += 1

# replace old values with new
for k, v in values_dict.items():
    dataset[var].replace(to_replace=k, value=v, inplace=True)

Answer 1

替代方式

df.col.astype('category').cat.codes.add(1)
Out[697]: 
0    1
1    1
2    2
3    3
4    4
5    2
dtype: int8

更喜欢使用 MaxU 的答案:)

%timeit df.col.astype('category').cat.codes.add(1)#Wen
1000 loops, best of 3: 437 µs per loop
%timeit df['col'] = pd.factorize(df['col'])[0] + 1#MaxU
1000 loops, best of 3: 194 µs per loop

Answer 2

IIUC 你想分解你的价值观：

dataset[var] = pd.factorize(dataset[var])[0] + 1

演示：

In [2]: df
Out[2]:
   col
0  aaa
1  aaa
2  bbb
3  ccc
4  ddd
5  bbb

In [3]: df['col'] = pd.factorize(df['col'])[0] + 1

In [4]: df
Out[4]:
   col
0    1
1    1
2    2
3    3
4    4
5    2