如何使用Pandas为多列分配唯一的9位数字标识符

规则说明 #

region_1_code 生成逻辑 #

• 将country_code格式化为3位数字字符串（不足3位前补0，例如88→"880"）
• 提取所有唯一的region_1值，按字母顺序排序后从1开始分配整数编码，将编码转换为6位格式（例如1→"100000"）
• 拼接3位国家编码与6位region_1编码，得到9位的region_1_code

region_2_code 生成逻辑 #

• 同样将country_code格式化为3位数字字符串
• 提取所有唯一的region_1值，按字母顺序排序后从1开始分配整数编码，转换为3位格式（例如1→"100"）
• 在每个region_1分组内，提取唯一的region_2值，按字母顺序排序后从1开始分配整数编码，转换为3位格式（例如1→"100"）
• 拼接3位国家编码、3位region_1编码、3位region_2编码，得到9位的region_2_code

代码实现 #

import pandas as pd

# 模拟输入DataFrame（对应你提供的表格内容）
df = pd.DataFrame({
    "country_code": [88, 88, 88, 88],
    "region_1": ["B", "B", "C", "C"],
    "region_2": ["D", "E", "D", "F"]
})

# 处理country_code为3位字符串
df["country_3"] = df["country_code"].astype(str).str.zfill(3)

# 生成region_1的6位编码映射，用于region_1_code
sorted_r1 = sorted(df["region_1"].unique())
r1_6digit_map = {r: str((i+1)*100000) for i, r in enumerate(sorted_r1)}
df["region_1_code"] = df["country_3"] + df["region_1"].map(r1_6digit_map)

# 生成region_1的3位编码映射，用于region_2_code
r1_3digit_map = {r: str((i+1)*100) for i, r in enumerate(sorted_r1)}
df["r1_3code"] = df["region_1"].map(r1_3digit_map)

# 按region_1分组，生成每组内region_2的3位编码
def assign_r2_code(group):
    sorted_r2 = sorted(group["region_2"].unique())
    r2_3digit_map = {r: str((i+1)*100) for i, r in enumerate(sorted_r2)}
    group["r2_3code"] = group["region_2"].map(r2_3digit_map)
    return group

df = df.groupby("region_1").apply(assign_r2_code).reset_index(drop=True)

# 拼接生成region_2_code
df["region_2_code"] = df["country_3"] + df["r1_3code"] + df["r2_3code"]

# 清理辅助列
df = df.drop(["country_3", "r1_3code", "r2_3code"], axis=1)

print(df)

运行结果 #

执行代码后得到的DataFrame与你要求的一致：

内容的提问来源于stack exchange，提问作者user308827