将离散列映射到其唯一值的索引答案

【问题标题】：Map discrete columns to the index of their unique values将离散列映射到其唯一值的索引
【发布时间】：2018-03-14 08:34:04
【问题描述】：

我有一个带有 int 列的数据框：

df=pd.DataFrame(data=2*np.random.randint(0,high=10,size=5),columns=['N'])

    N
0   8
1   4
2   8
3  14
4   2
5  18

我想生成另一个数据框：

其中ID是N中唯一值的排序列表的索引

我需要一个计算成本低廉的解决方案，因为它需要在大型数据帧上运行并经常更新。

【问题讨论】：

标签： python performance pandas numpy

【解决方案1】：

使用rank + sub + astype：

df['ID'] = df['N'].rank(method='dense').sub(1).astype(int)
print (df)
    N  ID
0   8   2
1   4   1
2   8   2
3  14   3
4   2   0
5  18   4

【讨论】：

【解决方案2】：

使用np.unique 及其可选参数return_inverse 非常简单-

In [268]: df['ID'] = np.unique(df.N, return_inverse=1)[1]

In [269]: df
Out[269]: 
    N  ID
0   8   2
1   4   1
2   8   2
3  14   3
4   2   0
5  18   4

运行时测试（正如问题所说需要 - a computationally cheap solution） -

# Scale given sample 10,000 times in size and high-limit
In [373]: df=pd.DataFrame(data=2*np.random.randint(0,high=100000,size=50000),columns=['N'])

# @jezrael's soln
In [374]: %timeit df['ID1'] = df['N'].rank(method='dense').sub(1).astype(int)
100 loops, best of 3: 4.74 ms per loop

# Proposed in this post
In [376]: %timeit df['ID2'] = np.unique(df.N, return_inverse=1)[1]
100 loops, best of 3: 3.94 ms per loop

【讨论】：