如何将DataFrame中的演员名称转换为唯一数字标识？

核心思路 #

用pandas内置的向量化操作快速生成演员与唯一数字的映射，同时构建反向查询字典，替代低效的循环列表实现。

步骤与代码示例 #

假设你的DataFrame名为df，其中actor列存储演员名称，movie列存储电影名称：

1. 提取所有唯一演员
   从DataFrame中获取不重复的演员列表，作为生成映射的基础：

   unique_actors = df['actor'].unique()
   

2. 创建正向映射字典（演员→数字）
   通过枚举给每个唯一演员分配专属数字（示例从1开始编号，可按需改为从0开始）：

   actor_to_id = {actor: idx + 1 for idx, actor in enumerate(unique_actors)}
   

3. 转换DataFrame中的演员列
   将原演员名称替换为对应数字，重复演员会自动映射到同一编号：

   df['actor_id'] = df['actor'].map(actor_to_id)
   

4. 生成反向查询字典（数字→演员）
   反转正向字典，方便后续通过数字查询对应演员：

   id_to_actor = {v: k for k, v in actor_to_id.items()}
   

特殊情况处理（演员列为列表） #

如果actor列是单部电影对应多个演员的列表格式，先展开列表再提取唯一演员：

# 展开列表，将每个演员单独成行
exploded_df = df.explode('actor')
unique_actors = exploded_df['actor'].unique()
# 后续映射步骤与上述一致

用于NetworkX绘图 #

转换完成后，用actor_id和movie作为节点构建图，避免因名称过长导致图形混乱：

import networkx as nx

G = nx.Graph()
# 添加电影和演员节点
G.add_nodes_from(df['movie'], node_type='movie')
G.add_nodes_from(df['actor_id'], node_type='actor')
# 添加电影-演员关联边
edges = list(zip(df['movie'], df['actor_id']))
G.add_edges_from(edges)

# 按需调整绘图参数
nx.draw(G, with_labels=True, node_size=500, font_size=8)

内容的提问来源于stack exchange，提问作者Berk Ak