- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个健康保险信息的 pandas DataFrame - 姓名、地址、出生日期等。
我写了一个在单行上工作的函数:
def make_hash(partner: str, df: pd.DataFrame) -> str:
"""
For Partner A, df (pd.DataFrame) must contain:
health_plan_id: str
date_of_birth: dt.Timestamp
first_name: str
Other partners will have different feature names for hash input and require a new elif block, below.
"""
if partner == 'Partner A':
health_plan_id = str(df.loc[:,'ID'].item()).strip().encode()
date_of_birth = str(dt.date(df.loc[:,'Date of Birth'].item())).encode()
first_name = str(df.loc[:,'Member Name'].item()).split(",")[1].strip().encode()
hash_input = health_plan_id + date_of_birth + first_name
h = hashlib.sha256(string=hash_input).hexdigest()
print(f"Input: {hash_input}. Result: {h}.\n")
return h
else:
print("No hashing strategy defined for that partner.")
哪些输出(针对 PII 更改的值):
make_hash(partner="Partner A", df=df)
Input: b'B88845204081984-06-11MickeyMouse'. Result: 4d578e1acd7c670193448b84362095383cc13a24249f6c8c92816d79ec3c48d8.
Out[60]: '4d578e1acd7c670193448b84362095383cc13a24249f6c8c92816d79ec3c48d8'
但理想情况下,它会派生一个新列 (ID
) 并添加“4d578e1acd...”值。如果我尝试在具有 > 1 行的 DataFrame 上使用此函数,则会出现错误:
ValueError: can only convert an array of size 1 to a Python scalar
我希望在 lambda 中使用该函数,该函数可以在具有任意行数的 pd.DataFrame
上运行,并期望输出是另一个 pd.DataFrame
具有相同的行数,但特征 + 1(对于新的 ID
列)。
这可能吗?我看到几个类似的问题,但我不确定我是否可以(或想要?)在整个 pd.Series
上执行此操作,因为上面的函数将有一些数据清理步骤取决于合作伙伴
...
最佳答案
为了使用 lambda 函数,您必须做一点小改动。
function make_partnerhash(datarow, partner : str):
h = 'a_default_value_like_Partner_has_no_hashing_strategy'
if partner == "Partner A":
id = datarow['ID']
... calculate hash etc ...
return h
然后您可以像这样从 Lambda 调用该函数:
df['HASH_COLUMN_NAME'] = df.apply(lambda x: make_parnerhash(x, 'Partner A'), axis=1)
因为你是 encode() 和 strip() 大多数列,你可以将你需要的每个字段打包到一个列表中, encode() 和 strip() 列表理解中的字段,并使用 str .join()
方法连接所有值,如下所示:
def make_partnerhash(row, partner: str):
h = 'NO_HASH_DEFINED_FOR_THIS_PARTNER'
if partner == 'Partner A':
values_to_hash = [row['ID'],
pd.to_datetime(row['Date of Birth']),
row['Member Name'].split(",")[1]]
hash_input = "".join( [ str(x).strip() for x in values_to_hash]).encode()
h = hashlib.sha256(hash_input).hexdigest()
return h
关于python - 构建一个可以根据其他 pd.DataFrame 功能导出新的哈希列的函数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/68423620/
(请注意这里有一个问题 Pandas: group by and Pivot table difference ,但是这个问题是不同的。) 假设您从一个 DataFrame 开始 df = pd.Da
我在Windows 10上安装了Anaconda 3。我正在使用pd.read_csv()加载CSV文件,但收到错误消息。首先,我尝试了df=pd.read_csv(‘C:\Direct_market
我的输入数据是以下形式: gold,Program,MethodType,CallersT,CallersN,CallersU,CallersCallersT,CallersCallersN,
是否可以使用pd.merge复制以下内容 a = pd.DataFrame(dict(x=[1,2], y=[5,5])) b = pd.DataFrame(dict(x=[7,7], y=[12,1
我有一个像这样保存的数据框: Y_train_1.head() 0 4691.0 1 4661.0 2 4631.0 3 4601.0 4 4571.0 Y_train_
我有一个如下所示的 Excel 文件: CompanyName High Priority QualityIssue Customer1 Yes
题 为什么排序使用 pd.Series.sort_index使用分类索引时似乎不起作用?如何使用字母/数字以外的其他排序顺序对多索引 pd.Series 的索引进行排序? 移动电源 设置代码 impo
tt = pd.DataFrame({'a':[1,2,None,3],'b':[None,3,4,5]}) bb=pd.DataFrame(pd.isnull(tt).astype(int), in
示例代码: import pandas as pd import numpy as np sample = pd.DataFrame({"a":[1,2,3,1,2,3,1,2,3], "b":np.
我有一个 Pandas 系列和一个 Pandas 多索引数据框。 下面是一个简单的例子: iterables = [['milk', 'honey', 'dates'], ['jan', 'feb',
我拥有的: pd.Timestamp('2021-07-05 08:10:11') pd.Timestamp('2021-07-07 12:13:14') 我在找什么: [pd.Timestamp('
在使用 pandas 时,我遇到了创建新 data-Frame 的两种最常见的方法。使用pandas如下; 1. pandas.read_csv() Type: 2. pandas.DataFram
伙计们,我有一个Dataframe df= pd.DataFrame({'Point_ID':[1,2,3,1,2,1] , 'Shape_ID': [84,85,86,87,88,89],'LOL'
在 pandas datetimeindex 中,dayofweek和 weekday似乎是一样的。他们只是彼此的别名吗?我发现了这些功能 here 最佳答案 根据pandas源码定义的Datetim
我正在尝试按另一个按特定顺序排序的系列对 DataFrame (axis = 0) 进行排序。 例子:DataFrame 包含 CountryCodes 的索引:'AUS'、'BWA' ....(按字
我正在尝试使用 dask 读取 csv 文件,它给了我如下错误。但问题是我想要我的 ARTICLE_ID是 object(string) .谁能帮我成功读取数据? 回溯如下: ValueError:
为什么 pandas 有两个用于箱线图的函数:pandas.DataFrame.plot.box() 和 pandas.DataFrame.boxplot()? df = pd.DataFrame(n
我有一个多索引系列,如下所示。 > data = [['a', 'X', 'u', 1], ['a', 'X', 'v', 2], ['b', 'Y', 'u', 4], ['a', 'Z', 'u'
这个问题在这里已经有了答案: Inconsistency when setting figure size using pandas plot method (2 个答案) 关闭 4 年前。 在下面
关闭。这个问题需要details or clarity .它目前不接受答案。 想改进这个问题吗? 通过 editing this post 添加细节并澄清问题. 关闭 6 年前。 Improve t
我是一名优秀的程序员,十分优秀!