Python哈希数据时触发TypeError：unhashable type: 'numpy.ndarray'问题求助

我来帮你分析这个问题并给出修复方案，先理清楚错误的根源，再一步步修正代码。

你的原代码 #

dummydata["ID_NUMBER"] = dummydata["ID_NUMBER"].to_string()
def clean_dummydata(dummydata,cols):
    for col_name in cols:
        keys = {cats: i for i,cats in str(hash(dummydata[col_name].unique()))}
        dummydata[col_name] = dummydata[col_name].apply(lambda x: keys[x])
    return dummydata
cols = ['ID_NUMBER']
dummydata = clean_dummydata(dummydata,cols)
dummydata.to_csv('anon_dummydata.csv')

报错信息 #

TypeError Traceback (most recent call last)
~\AppData\Local\Temp/ipykernel_3140/2100616149.py in 
      7 
      8 cols = ['ID_NUMBER']
----> 9 dummydata = clean_dummydata(dummydata,cols)
     10 dummydata.to_csv('anon_dummydata.csv')

~\AppData\Local\Temp/ipykernel_3140/2100616149.py in clean_dummydata(dummydata, cols)
      2 def clean_dummydata(dummydata,cols):
      3     for col_name in cols:
----> 4         keys = {cats: i for i,cats in str(hash(dummydata[col_name].unique()))}
      5         dummydata[col_name] = dummydata[col_name].apply(lambda x: keys[x])
      6     return dummydata

TypeError: unhashable type: 'numpy.ndarray'

错误原因拆解 #

1. 第一处逻辑错误：dummydata["ID_NUMBER"].to_string()会把整个Series转换成一个单一的长字符串，而不是把每个元素转为字符串类型，这会导致后续处理完全偏离你的预期。
2. 核心报错原因：dummydata[col_name].unique()返回的是numpy数组，而hash()函数无法处理数组类型（数组是可变对象，不可哈希），这直接触发了TypeError。另外，就算能hash，把hash结果转成字符串后遍历的是每个字符，这也不是你想要的「给每个唯一ID映射一个数字」的匿名化逻辑。

修复后的完整代码 #

# 正确将每个ID元素转为字符串类型
dummydata["ID_NUMBER"] = dummydata["ID_NUMBER"].astype(str)

def clean_dummydata(dummydata, cols):
    for col_name in cols:
        # 获取该列的所有唯一值，转为列表
        unique_vals = dummydata[col_name].unique().tolist()
        # 创建唯一值到数字的映射字典（从0开始编号）
        keys = {val: idx for idx, val in enumerate(unique_vals)}
        # 用map替代apply，效率更高
        dummydata[col_name] = dummydata[col_name].map(keys)
    return dummydata

cols = ['ID_NUMBER']
dummydata = clean_dummydata(dummydata, cols)
dummydata.to_csv('anon_dummydata.csv')

关键改进说明 #

• 用astype(str)替代to_string()，确保每一个ID元素都被转为字符串类型，而不是整个列变成一个大字符串。
• 直接基于列的唯一值生成映射字典，用enumerate()自动分配数字索引，这才是实现ID匿名化（标签编码）的正确逻辑。
• 用map()替代apply()，对于Series的元素映射操作，map()的执行效率比apply()更高，尤其处理大数据量时差异明显。

内容的提问来源于stack exchange，提问作者randomuser2022