Переопределить строковые значения в новые метки с пандами

Question

Используя Python, как взять столбец данных Pandas со значениями и заменить их новой последовательностью значений, допускающей дубликаты и порядок. Например, рассмотрим следующие значения:

56-34567 
56-25767 
56-24777 
56-23987 
56-23987 
56-23987 
56-34567 

Мне нужно создать что-то вроде:

ID_1 
ID_2 
ID_3 
ID_4 
ID_4 
ID_4 
ID_1 

Мне нужно учитывать несколько значений. В моем примере 56-34567 (ID_1) встречается дважды, а 56-23987 (ID_4) - трижды. Список новых значений должен отражать это в правильном порядке. Спасибо, любая помощь приветствуется.

Answer 1

Используйте groupby и ngroup, чтобы получить уникальные идентификаторы для каждого текущего идентификатора. Затем вы можете объединить свой префикс (несколько способов сделать это).

df

        col
0  56-34567
1  56-25767
2  56-24777
3  56-23987
4  56-23987
5  56-23987
6  56-34567

# df.groupby('col', sort=False).ngroup().add(1).astype(str).radd('ID_')
df.groupby('col', sort=False).ngroup().add(1).map('ID_{}'.format)

0    ID_1
1    ID_2
2    ID_3
3    ID_4
4    ID_4
5    ID_4
6    ID_1
dtype: object

Где ngroup возвращает,

df.groupby('col', sort=False).ngroup()

0    0
1    1
2    2
3    3
4    3
5    3
6    0
dtype: int64

Здесь важен вызов sort=False, потому что мы хотим, чтобы порядок вывода был идентичным вводу.

---

Дополнительные параметры, однако не могут гарантировать такой же порядок заказа. Один метод использует pd.factorize:

np.char.add('ID_', (pd.factorize(df['col'])[0] + 1).astype(str))
# array(['ID_1', 'ID_2', 'ID_3', 'ID_4', 'ID_4', 'ID_4', 'ID_1'],
#      dtype='<U24')

Возвращается массив, вы можете присвоить результат обратно,

df.assign(col=np.char.add('ID_', (pd.factorize(df['col'])[0] + 1).astype(str)))

    col
0  ID_1
1  ID_2
2  ID_3
3  ID_4
4  ID_4
5  ID_4
6  ID_1