如何为pandas DataFrame添加固定不变的唯一5位字母数字ID

核心逻辑是通过确定性哈希算法将名称映射为固定长度的字母数字ID，只要名称本身不发生变化，无论运行多少次脚本、数据行顺序如何调整，生成的ID都能保持完全一致。

实现步骤 #

1. 导入依赖库

import pandas as pd
import hashlib

2. 定义固定ID生成函数

def generate_fixed_id(name: str, length: int = 5) -> str:
    # 对名称做MD5哈希，输出结果完全由输入决定
    hash_obj = hashlib.md5(name.encode("utf-8"))
    # 将哈希值转换为整数用于进制转换
    hash_int = int(hash_obj.hexdigest(), 16)
    # 定义36进制字符集：数字0-9 + 大写字母A-Z
    chars = "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ"
    id_chars = []
    for _ in range(length):
        id_chars.append(chars[hash_int % 36])
        hash_int = hash_int // 36
    # 反转后取前N位保证长度符合要求
    return ''.join(reversed(id_chars))[:length]

3. 给DataFrame生成ID列

# 构造示例原始数据
df = pd.DataFrame({
    "Name": ["Sam", "Pray", "Brad", "Peter", "Pepe"]
})
# 应用函数生成ID列
df["ID"] = df["Name"].apply(generate_fixed_id)

补充说明 #

• 哈希算法的确定性可以保证同一个名称永远对应同一个ID，无需额外存储映射关系也能保证复现
• 如果担心哈希冲突（概率极低，5位36进制ID有超过6000万种组合），可以适当调长ID长度，或者在哈希时加入自定义固定盐值：将name.encode("utf-8")修改为("你的自定义固定盐值" + name).encode("utf-8")，还能避免他人反向推导原始名称
• 如果需要兼容已有的历史ID，可以预先维护一份名称到ID的映射字典，生成时先查字典，不存在的再用上述函数生成新ID，保证新旧数据ID一致

内容的提问来源于stack exchange，提问作者s_khan92