python - Pandas - 根据行值生成唯一 ID

Question

我想为用户生成一个基于整数的唯一 ID(在我的 df 中)。

假设我有:

index  first  last    dob
0      peter  jones   20000101
1      john   doe     19870105
2      adam   smith   19441212
3      john   doe     19870105
4      jenny  fast    19640822

我想像这样生成一个 ID 列:

index  first  last    dob       id
0      peter  jones   20000101  1244821450
1      john   doe     19870105  1742118427
2      adam   smith   19441212  1841181386
3      john   doe     19870105  1742118427
4      jenny  fast    19640822  1687411973

10 位 ID，但它基于字段的值(john doe 相同的行值获得相同的 ID)。

我研究了散列、加密、UUID，但找不到与这个特定的非安全用例有太多关系。它只是生成一个内部标识符。

我不能使用 groupby/cat 代码类型方法，以防
行改变。

数据集不会超过 50k 行。

可以安全地假设不会有第一个，最后一个，dob 重复。

感觉我可能以错误的方式解决这个问题，因为我找不到太多关于它的文献!

谢谢

Answer 1

您可以尝试使用哈希函数。

df['id'] = df[['first', 'last']].sum(axis=1).map(hash)

请注意哈希 id 大于 10 位并且是唯一的整数序列。