获取原始数据 - >转换它并将其与其他文件连接 - >发送电子邮件给最终用户进行审核
最好的方法是什么?
答案 0 :(得分:3)
如果'employee_id'+'customer_id'+'timestamp'
很长,并且您对不太可能发生冲突感兴趣,可以将其替换为哈希值。散列的范围和质量将决定冲突的概率。也许最简单的方法是使用builtin hash
。假设您的DataFrame为df
,且列为字符串,则为
(df.employee_id + df.customer_id + df.timestamp).apply(hash)
如果您想更好地控制大小和碰撞概率,请参阅this piece on non-crypotgraphic hash functions in Python。
修改
在an answer to this question上构建,你可以像这样构建10个字符的哈希:
import hashlib
df['survey_id'] = (df.employee_id + df.customer_id + df.timestamp).apply(
lambda s: hashlib.md5(s).digest().encode('base64')[: 10])
答案 1 :(得分:0)
如果有人正在寻找模块化功能,请将其保存到文件中以备不时之需。 (对于 Pandas 数据帧)
df
是您的数据框,columns
是要散列的列列表,而 name
是具有散列值的新列的名称。
返回原始数据帧的副本,其中包含一个包含每行哈希的新列。
def hash_cols(df, columns, name="hash"):
new_df = df.copy()
def func(row, cols):
col_data = []
for col in cols:
col_data.append(str(row.at[col]))
col_combined = ''.join(col_data).encode()
hashed_col = sha256(col_combined).hexdigest()
return hashed_col
new_df[name] = new_df.apply(lambda row: func(row,columns), axis=1)
return new_df