Pandas：遍历行并给值一个唯一的数字

Question

大家好，亲爱的 Whosebug 用户。我很想就一个让我头疼的问题得到一些指导。这就是我寻求帮助的部分，因为我的新手知识并不能帮助我解决这个问题。

简而言之：我有一组大量的数据，想知道如何给这些值一个唯一的数字来识别它们。但不是几次，只有一次。

我们有什么，想要什么:

2 列：A 和 B
大约 200 行。其中一些是重复的。我只会 post 一个子集。
值可以（但不是必须）同时出现在 A 列和 B 列中。如果出现，那么它可能会出现多次：可能只是一次或多次。
每个值只能指定一个数字一次。这很重要。
以'EB'开头的值应从300开始赋值。下一个'EB'-值301等
以'IN'开头的值应从400开始赋值。下一个'IN'-值401等
每个不以 'EB' 或 'IN' 开头的值都应从 500 开始指定数字。
我很乐意将它放在同一个 DataFrame 中。每个 EB 值及其在名称为 'C' 和 [=74= 的列中的编号，每个 'IN'-值及其名称在名称为 'E' 和 [= 的列中的编号77=] 以及列中的所有其他内容 'G' 和 'H'.

输入:

d = {
'A': ['Rack Ants', 'EB Animals', 'IN Penguin', 'IN Penguin', 'IN Hippo', 'T-IPS-ACK', 'AA-BMUL', 'VB-SEM-012', 'VE-PAG'], 
'B': ['EB Animals', 'Applications', 'EB Animals', 'EB Animals', 'EB Humans', 'Applications', 'IN Penguin', 'IN Hippo', 'IN Crocodile']
}
df = pd.DataFrame(data=d)
df

我想要的（输出）:

Click me. Every value has been given an unique number!

我的想法（我没能实现）:

遍历 A 列和 B 列，将以 'EB' 开头的不同值复制到数组中。
以 'IN' 开头的不同值的第二个数组。（就像上面没有同名的字符串一样）
每个不是以 'EB' 或 'IN'.
可以应用于这三个数组中的每一个的函数：从给定值（例如 300）开始，遍历数组中的每个项目，将它们写在自己的列中。旁边是一个单独的列中的数字，列表中的每个项目都增加 +1。只要数组的长度。

我希望这个 post 没有变得太长。我很高兴能得到这里的每一个帮助。

Answer 1

这将为您提供您似乎想要的 DataFrame。在大多数情况下，您都知道您需要做什么来解决这个问题：

import pandas as pd

def buld_key_df(values:list, number:int) -> pd.DataFrame:
    return pd.DataFrame({
        f'name ({number}s)' : values,
        f'code ({number}s)' : [number + i for i in range(len(values))],
    })

df = pd.DataFrame({
    'A': [
        'Rack Ants', 'EB Animals', 'IN Penguin', 
        'IN Penguin', 'IN Hippo', 'T-IPS-ACK', 
        'AA-BMUL', 'VB-SEM-012', 'VE-PAG'
    ], 
    'B': [
        'EB Animals', 'Applications', 'EB Animals', 
        'EB Animals', 'EB Humans', 'Applications', 
        'IN Penguin', 'IN Hippo', 'IN Crocodile'
    ],
})

unique = pd.concat([df['A'],df['B']]).unique()

df_300 = [x for x in unique if x.startswith('EB ')]
df_400 = [x for x in unique if x.startswith('IN ')]
df_500 = [x for x in unique if x not in df_300 + df_400]

df_300 = buld_key_df(df_300, 300)
df_400 = buld_key_df(df_400, 400)
df_500 = buld_key_df(df_500, 500)

df = pd.concat([df, df_300, df_400, df_500], axis=1).fillna('')

pd.set_option('display.max_columns', 8)
print(df)

Example code in Python Tutor

编辑：将 df_300、df_400 和 df_500 的三个列表组合替换为 for 循环可能更优化，如下所示。如果您有大量的唯一值要分配代码，这种速度提升只会很明显，如果是这种情况，您可能希望代码为数万而不是数百：

import pandas as pd

def buld_key_df(values:list, number:int) -> pd.DataFrame:
    return pd.DataFrame({
        f'name ({number}s)' : values,
        f'code ({number}s)' : [number + i for i in range(len(values))],
    })

df = pd.DataFrame({
    'A': [
        'Rack Ants', 'EB Animals', 'IN Penguin', 
        'IN Penguin', 'IN Hippo', 'T-IPS-ACK', 
        'AA-BMUL', 'VB-SEM-012', 'VE-PAG'
    ], 
    'B': [
        'EB Animals', 'Applications', 'EB Animals', 
        'EB Animals', 'EB Humans', 'Applications', 
        'IN Penguin', 'IN Hippo', 'IN Crocodile'
    ],
})

unique = pd.concat([df['A'],df['B']]).unique()

df_30k, df_40k, df_50k = [], [], []

for x in unique:
    if x.startswith('EB '):
        df_30k.append(x)
    elif x.startswith('IN '):
        df_40k.append(x)
    else:
        df_50k.append(x)

df_30k = buld_key_df(df_30k, 30000)
df_40k = buld_key_df(df_40k, 40000)
df_50k = buld_key_df(df_50k, 50000)

df = pd.concat([df, df_30k, df_40k, df_50k], axis=1).fillna('')

pd.set_option('display.max_columns', 8)
print(df)

Example 2 code in python tutor

Pandas：遍历行并给值一个唯一的数字

Pandas: Iterate over rows and give values an unique number

python

pandas

dataframe

sorting

uniqueidentifier