用唯一的 id 替换 pandas 数据框

Question

我得到了一个包含数百万个条目的数据框，其中一列是“TYPE”（字符串）。这个特定列共有 400 个值，我想用从 1 到 400 的整数 id 替换这些值。我还想导出这个字典 'TYPE' => id 以供将来参考。我尝试使用 to_dict ，但没有帮助。无论如何都可以做到这一点？

Answer 1

选项1：您可以使用pd.factorize：

df['new'] = pd.factorize(df['str_col'])[0]+1

选项 2： 使用类别 dtype：

df['new'] = df['str_col'].astype('category').cat.codes+1

或者甚至更好地将其转换为分类 dtype：

df['str_col'] = df['str_col'].astype('category')

当您需要使用数字时，只需使用类别代码：

df['str_col'].cat.codes

感谢@jezrael for extending the answer - 创建字典：

cats = df['str_col'].cat.categories
d = dict(zip(cats, range(1, len(cats) + 1)))

PS 类别 dtype 也非常节省内存