pandas - 匿名数据/替换名称

Question

我通常使用 hashlib 和 .apply(hash) 函数来匿名化我的数据。

现在我正在尝试一种新方法，想象一下我必须遵循名为“数据”的 df:

df = pd.DataFrame({'contributor':['eric', 'frank', 'john', 'frank', 'barbara'],
                   'amount payed':[10,28,49,77,31]})

  contributor  amount payed
0        eric            10
1       frank            28
2        john            49
3       frank            77
4     barbara            31

我想通过将名称全部转换为 person1、person2 等来匿名化，如下所示:

output = pd.DataFrame({'contributor':['person1', 'person2', 'person3', 'person2', 'person4'],
                       'amount payed':[10,28,49,77,31]})

  contributor  amount payed
0     person1            10
1     person2            28
2     person3            49
3     person2            77
4     person4            31

所以我的第一个想法是总结 name 列，以便将名称附加到唯一索引，我可以将该索引用于“人”之后的数字。

Answer 1

我认为更快的解决方案是使用 factorize对于唯一值，添加 1，转换为 Series 和 string 并预先添加 Person 字符串:

df['contributor'] = 'Person' + pd.Series(pd.factorize(df['contributor'])[0] + 1).astype(str)
print (df)
  contributor  amount payed
0     Person1            10
1     Person2            28
2     Person3            49
3     Person2            77
4     Person4            31