根据列的组合创建唯一 ID（忽略顺序）

Question

设想

想象一个数据集是某个过程的结果。数据集包含两个 id 列，id1 和 id2，表示部分数据在前面的过程中来自哪里。两个 id 列可以是 int 或 string。我想根据存在的 id 创建一个唯一的 id两个都其中是专栏。但是，id 的顺序并不重要.例如：

id1 == A 和id2 == NaN 与id1 == NaN 和id2==A 相同，因为存在的唯一“真实”ID 是A。 id 值可以是单个字母、数字或字符串。

测试数据

>>> import pandas as pd
>>> import numpy as np
>>> df = pd.DataFrame({'id1': ['A', np.nan, 'A'], 'id2': [np.nan, 'B', 'B']})
>>> df
   id1  id2
0    A  NaN
1  NaN    B
2    B    B

核心问题

当排序不重要时，如何使用 pandas 和 numpy 函数基于 id1 和 id2 的组合创建一个唯一的 id？

其他相关回答

In Pandas, how to create a unique ID based on the combination of many columns?

Grouping by multiple columns to find duplicate rows pandas

我试过的事情

• 将 id1 和 id2 强制转换为字符串，组合、排序和删除重复项（有效但很混乱）
• pd.factorize: 看起来比上面的好，但仍然需要 id1 和 id2 的组合和排序

期望的输出

>>> df
   id1  id2  combined_id
0    A  NaN  A
1  NaN    B  B
2    A    B  AB
3  NaN  NaN  NaN

Answer 1

在您的数据中添加了一行B A

(df.reset_index().melt('index').dropna().sort_values('value')
   .groupby('index').agg({'value':''.join}))
 
      value
index      
0         A
1         B
2        AB
3        AB

Answer 2

最简单的方法是：

df['combinedid'] = df['id1']+ df['id2']

结果：

	id1	id2	combinedid
0	A
1		B
2	A	B	AB

删除后钠盐价值观：

df = df.fillna("")
df['combinedid'] = df['id1']+ df['id2']

结果：

	id1	id2	combinedid
0	A		A
1		B	B
2	A	B	AB