如何为pandas DataFrame中的每个分组生成对应的UUID

简便实现方法 #

你不需要单独做去重、加字段、再merge的操作，两种更简洁的写法如下：

写法1：用groupby.transform直接生成（最直观） #

同一分组内所有行会自动拿到同一个ID，完全满足你同组同ID的需求：

import hashlib
import json
import uuid

# 不需要固定ID的场景，直接生成标准UUID
x['basket_id'] = x.groupby('basket')['basket'].transform(lambda _: uuid.uuid4().hex)

# 需要固定可复现ID的场景，保留你原来的哈希逻辑
x['basket_id'] = x.groupby('basket')['basket'].transform(
    lambda g: hashlib.shake_256(json.dumps(sorted(g.iloc[0])).encode('utf-8')).hexdigest(10)
)

写法2：用字典映射实现（性能更高，适合大数据量） #

# 先给每个唯一basket值生成对应ID
basket_id_map = {
    basket_val: hashlib.shake_256(json.dumps(sorted(basket_val)).encode('utf-8')).hexdigest(10)
    for basket_val in x['basket'].unique()
}
# 直接映射到原表即可
x['basket_id'] = x['basket'].map(basket_id_map)

提示：两种写法都和你原有的实现逻辑完全等价，不需要额外做DataFrame合并操作，代码更精简，运行效率也更高。

内容的提问来源于stack exchange，提问作者Fizi