如何用Pandas生成字符串与数字组合的自定义唯一标识列

问题描述 #

现有如下结构的Pandas DataFrame：

product_nmae
Productashd
productddsf
productkid

期望生成包含unique_id列的DataFrame，格式为sku-数字，数字从1开始连续递增：

product_nmae    unique_id
    Productashd    sku-1
    productddsf    sku-2
    productkid    sku-3

尝试执行df['unique_id'] = df.index + 1后得到错误结果（序号不连续）：

product_nmae    unique_id
    Productashd       0
    productddsf       1
    productkid        3

解决方案 #

问题出在原DataFrame的索引不是连续的整数（比如第三行的索引是3而非2），直接用索引计算会导致序号断裂。可以通过以下两种方式生成连续的序号并拼接前缀：

方法一：使用range生成连续序列 #

直接基于DataFrame的行数生成从1开始的连续数字，再和前缀拼接：

df['unique_id'] = [f'sku-{i}' for i in range(1, len(df)+1)]

方法二：重置索引后计算 #

先重置索引得到连续的0起始序号，再加1并拼接前缀：

df = df.reset_index(drop=True)
df['unique_id'] = 'sku-' + (df.index + 1).astype(str)

两种方法都能生成从sku-1开始的连续唯一ID，不受原索引的影响。

内容的提问来源于stack exchange，提问作者boyenec