如何用Pythonic方式为DataFrame匹配字符串对生成唯一ID

现有如下Pandas DataFrame：

# Test dataframe
import pandas as pd
import numpy as np

# Build df
df = pd.DataFrame({
    'Title': ['title1', 'cat', 'dog'], 
    'References': [['donkey','chicken'],['title1','dog'],['bird','snake']]
})
# 为唯一标题插入ID
df['IDs'] = list(np.arange(0, len(df)) + 1)
df = df[['Title','IDs','References']]

其中Title列的每个字符串对应唯一ID。需求是：为References列中的每个字符串分配ID，若该字符串与Title列某值匹配，则使用对应的ID；若不匹配，则分配新的唯一ID。

当前尝试通过嵌套循环配合以下匹配函数实现，但过程繁琐：

# Matching function
def string_match(string1,string2):
    if string1 == string2:
        a = 1
    else:
        a = 0
    return a

寻求更Pythonic的实现方法。

方案一：预收集新字符串，批量分配ID #

1. 构建标题-ID映射字典

先把Title和IDs转换成字典，实现O(1)时间复杂度的快速查找：

title_id_map = df.set_index('Title')['IDs'].to_dict()

2. 筛选未匹配的引用字符串并分配新ID

提取所有引用中的字符串，筛选出不在标题映射中的内容，去重后从现有最大ID开始分配新ID：

# 提取所有引用元素
all_refs = [item for sublist in df['References'] for item in sublist]
# 去重后筛选未匹配的字符串
new_titles = list(set(all_refs) - set(title_id_map.keys()))
# 分配新ID
max_existing_id = df['IDs'].max()
new_id_map = {title: max_existing_id + i + 1 for i, title in enumerate(new_titles)}

3. 合并映射并替换引用字符串

合并新旧ID映射，批量替换References中的字符串为对应ID：

full_id_map = {**title_id_map, **new_id_map}
df['Reference_IDs'] = df['References'].apply(lambda x: [full_id_map[item] for item in x])

方案二：动态分配新ID（更简洁） #

如果不需要单独保存新标题的映射关系，可以用dict.get()结合计数器动态处理，无需提前收集所有新字符串：

title_id_map = df.set_index('Title')['IDs'].to_dict()
current_max_id = df['IDs'].max()

def map_refs(ref_list):
    nonlocal current_max_id
    result = []
    for item in ref_list:
        # 先尝试从已有映射获取，不存在则分配新ID
        id_val = title_id_map.get(item)
        if id_val is None:
            current_max_id += 1
            id_val = current_max_id
            title_id_map[item] = id_val
        result.append(id_val)
    return result

df['Reference_IDs'] = df['References'].apply(map_refs)

最终效果 #

处理后的DataFrame新增Reference_IDs列，示例结果如下：

内容的提问来源于stack exchange，提问作者keeran_q789