基于字典映射为DataFrame生成含属性的非随机客户ID需求

问题 #

现有大型DataFrame数据如下：

需要为每个客户生成非随机、包含客户信息且能区分属性相同客户的ID，给定分类字典：

ID_classification = {'type':{'A':'Private','B':'Institutional'},
                     'country':{'1':'USA','2':'GB','3':'Ireland'},
                     'potential':{'1':'low','2':'mid','3':'high'}}

ID格式要求为 type.key-country.key-potential.key-unique_id，预期生成结果如下：

实现方案 #

步骤1：反转分类字典 #

原字典是编码对应属性值，我们需要通过属性值反向查询编码，因此先反转每个子字典：

# 反转分类字典，构建属性值到编码的映射
reverse_class = {
    col: {v: k for k, v in mapping.items()} 
    for col, mapping in ID_classification.items()
}

步骤2：用Pandas生成目标ID #

利用Pandas的映射、分组计数功能实现需求，代码如下：

import pandas as pd

# 构造示例DataFrame（实际使用中替换为你的原始数据）
data = [
    ["Client 1", "Private", "USA", "low"],
    ["Client 2", "Private", "Ireland", "high"],
    ["Client 3", "Institutional", "GB", "mid"],
    ["Client 4", "Institutional", "GB", "mid"],
    ["Client 5", "Institutional", "GB", "mid"]
]
df = pd.DataFrame(data, columns=["客户", "类型", "国家", "潜力"])

# 1. 为每个属性添加对应编码列
df["type_code"] = df["类型"].map(reverse_class["type"])
df["country_code"] = df["国家"].map(reverse_class["country"])
df["potential_code"] = df["潜力"].map(reverse_class["potential"])

# 2. 生成组内唯一序号：按类型、国家、潜力分组，每组内从1开始递增计数
df["unique_id"] = df.groupby(["类型", "国家", "潜力"]).cumcount() + 1

# 3. 拼接各部分生成最终ID
df["id"] = df.apply(
    lambda row: f"{row['type_code']}-{row['country_code']}-{row['potential_code']}-{row['unique_id']}",
    axis=1
)

# 调整列顺序并输出结果
result_df = df[["id", "客户", "类型", "国家", "潜力"]]
print(result_df)

关键逻辑说明 #

• 反转字典：通过字典推导式快速生成值到编码的映射，避免手动编写反向映射的冗余工作。
• 组内计数：groupby().cumcount() 会对每个属性组合的组内元素从0开始计数，加1后得到从1开始的唯一序号，完美区分属性完全相同的客户。
• ID拼接：用apply逐行拼接各编码部分，严格匹配要求的格式。

内容的提问来源于stack exchange，提问作者VolStudent