如何高效为DataFrame中含重复值的列分配唯一整数编号

针对你的需求，直接使用Pandas内置方法即可实现，比嵌套循环效率提升百倍以上，处理5.7万条数据仅需毫秒级耗时。

方法1：使用pd.factorize()（最推荐，性能最优） #

该方法会按作者姓名首次出现的顺序分配ID：

• 若需要从0开始的ID（符合需求描述）：

import pandas as pd
df['AuthorID'] = pd.factorize(df['Author'])[0]

• 若需要从1开始的ID（符合你给出的示例结果）：

df['AuthorID'] = pd.factorize(df['Author'])[0] + 1

方法2：使用groupby.ngroup()（支持按姓名排序分配ID） #

如果你需要按作者姓名字典序排序后再分配ID，可以用该方法：

# sort=True表示按作者名排序后分配ID，设置为False则按首次出现顺序分配
df['AuthorID'] = df.groupby('Author', sort=True).ngroup() + 1

两种方法均为Pandas底层C实现，完全避免了Python层面的循环遍历，性能远高于自行实现的嵌套循环。

内容的提问来源于stack exchange，提问作者Joebevo