如何使用pandas快速将数据框中的字符串更改为整数ID？

Question

我有一个数据集，其中包括用户ID、物品ID（均为字符串）和评分：

A12VH45Q3H5R5I B000NWJTKW 5.0
A3J8AQWNNI3WSN B000NWJTKW 4.0
A1XOBWIL4MILVM B000NWJTKW 1.0

我想将 ID 改为整数类型，例如：

1              1          5.0
2              1          4.0
3              1          1.0

我曾试过传统的方法，创建一个大字典，并用整数标记每个字符串ID。但这需要非常长的时间。所以请问您如何以更快的方式完成它？提前感谢。

- user5779223

Answer 1

你可以将该列编码为分类变量，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

- Alexander

---

每次都会给相同的User_ID分配相同的User_ID_code吗？ - mohamad.zamani

Answer 2

您可以使用factorize函数进行应用：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

- EdChum

---

我也想知道是否可以以类似的方式获取用户和项目的数量？ - user5779223

你是在询问 df.apply(pd.Series.value_counts) 吗？ - EdChum

实际上，我的意思是用户数量而不是用户出现次数。我想知道数据集中有多少个唯一的用户。 - user5779223