Question

此问题的推论： create unique identifier in dataframe based on combination of columns

在foll中。数据框，

    id  Lat         Lon         Year    Area    State
50319   -36.0629    -62.3423    2019    90  Iowa
18873   -36.0629    -62.3423    2017    90  Iowa
18876   -36.0754    -62.327     2017    124 Illinois
18878   -36.0688    -62.3353    2017    138 Kansas

我想创建一个新列，该列根据Lat，Lon和Area列是否具有相同的值来分配唯一的标识符。例如。在这种情况下，第1行和第2行在这些列中具有相同的值，并且将获得相同的唯一标识符0_Iowa，其中Iowa来自State列。但是，如果一行没有重复，那么我只想使用状态名称。最终结果应如下所示：

id       Lat         Lon       Year    Area State   unique_id
50319   -36.0629    -62.3423    2019    90  Iowa    0_Iowa
18873   -36.0629    -62.3423    2017    90  Iowa    0_Iowa
18876   -36.0754    -62.327     2017    124 Illinois    Illinois
18878   -36.0688    -62.3353    2017    138 Kansas  Kansas

Answer 1

您可以使用np.where：

df['unique_id'] = np.where(df.duplicated(['Lat','Lon'], keep=False), 
                            df.groupby(['Lat','Lon'], sort=False).ngroup().astype('str') + '_' + df['State'],
                           df['State'])

或与pd.Series.where类似的想法：

df['unique_id'] = (df.groupby(['Lat','Lon'], sort=False)
                     .ngroup().astype('str')
                     .add('_' + df['State'])
                     .where(df.duplicated(['Lat','Lon'], keep=False),
                            df['State']
                           )
                    )

输出：

      id      Lat      Lon  Year  Area     State unique_id
0  50319 -36.0629 -62.3423  2019    90      Iowa    0_Iowa
1  18873 -36.0629 -62.3423  2017    90      Iowa    0_Iowa
2  18876 -36.0754 -62.3270  2017   124  Illinois  Illinois
3  18878 -36.0688 -62.3353  2017   138    Kansas    Kansas

根据列的组合在数据框中创建唯一标识符，但仅适用于重复的行

1 个答案: