如何将pandas中的数据框中的字符串更改为整数ID？

Question

我有一个数据集，包括user ID，item ID（两个字符串）和类似的评分：

A12VH45Q3H5R5I B000NWJTKW 5.0
A3J8AQWNNI3WSN B000NWJTKW 4.0
A1XOBWIL4MILVM B000NWJTKW 1.0

我想将ID更改为整数，如：

1              1          5.0
2              1          4.0
3              1          1.0

我尝试了一种传统方式，创建一个大字典并用整数字标记每个字符串ID。但是花了很长时间。那么请你告诉我如何以更快的方式完成它？提前谢谢。

Answer 1

您可以apply factorize：

In [244]:
df[[0,1]] = df[[0,1]].apply(lambda x: pd.factorize(x)[0] + 1)
df

Out[244]:
   0  1  2
0  1  1  5
1  2  1  4
2  3  1  1

Answer 2

您还可以将列编码为categorical，然后获取代码。

df['User_ID_code'] = df.User_ID.astype('category').cat.codes
>>> df
          User_ID     Item_ID  Rating  User_ID_code
0  A12VH45Q3H5R5I  B000NWJTKW       5             0
1  A3J8AQWNNI3WSN  B000NWJTKW       4             2
2  A1XOBWIL4MILVM  B000NWJTKW       1             1