Python给DataFrame新增客户行时生成唯一不重复ID的方法咨询

以下方案默认基于Pandas处理DataFrame场景实现，可根据自身技术栈适配调整：

方案1：自增最大ID（推荐优先使用） #

适合无特殊ID格式要求的常规业务场景，实现简单、性能极高，完全不会出现重复ID问题。
实现逻辑：取现有客户表ID列的最大值，新ID从max_id + 1开始按新增客户数量连续生成。
代码示例：

import pandas as pd

# 示例现有客户表
customer_df = pd.DataFrame({
    'ID': [123, 435, 544, 356, 643],
    'Name': ['Mark', 'Tom', 'Susan', 'Frank', 'Myles'],
    'Age': [32, 26, 54, 45, 44],
    'Location': ['Chicago', 'Nashville', 'Chicago', 'Cleveland', 'Chicago']
})

# 示例待新增的客户数据（仅含Name、Age、Location三个字段）
new_customers = pd.DataFrame([
    {'Name': 'Lisa', 'Age': 29, 'Location': 'Boston'},
    {'Name': 'Jack', 'Age': 37, 'Location': 'Seattle'}
])

# 生成唯一ID
max_exist_id = customer_df['ID'].max()
new_customers['ID'] = range(max_exist_id + 1, max_exist_id + 1 + len(new_customers))

# 合并到原客户表
customer_df = pd.concat([customer_df, new_customers], ignore_index=True)

优缺点说明：

• 优点：逻辑简单无歧义，生成速度快，ID连续易读
• 缺点：如果有删除客户的操作，已删除的ID不会被复用，ID数值会持续增大，绝大多数业务场景下该缺点无影响。

方案2：随机生成+查重校验 #

适合有固定ID格式/位数要求的场景，比如要求ID必须是3位纯数字、或含字母的固定长度编码。
实现逻辑：先把现有ID存入集合提升查重效率，按规则生成新ID后校验是否已存在，不存在则使用，重复则重新生成。
代码示例：

import random
import string

def gen_unique_id(exist_ids: set, id_length: int = 3, only_digit: bool = True):
    while True:
        # 按规则生成ID
        if only_digit:
            new_id = int(''.join(random.choices(string.digits, k=id_length)))
        else:
            # 可自定义生成字母+数字组合的ID
            new_id = ''.join(random.choices(string.ascii_uppercase + string.digits, k=id_length))
        # 查重通过则返回
        if new_id not in exist_ids:
            return new_id

# 现有ID转集合，查重效率远高于列表
exist_id_set = set(customer_df['ID'].tolist())
# 给新客户批量生成ID
new_customers['ID'] = new_customers.apply(lambda x: gen_unique_id(exist_id_set), axis=1)

优缺点说明：

• 优点：灵活支持自定义ID的长度、字符规则，不需要ID连续
• 缺点：如果可用ID号段剩余量不足，生成时会出现多次循环重试，性能下降，仅适合ID余量充足的场景。

方案3：UUID全局唯一ID #

适合需要跨系统、跨表全局唯一，无ID可读性要求的场景，完全不需要查重。
代码示例：

import uuid

# 生成36位UUID字符串，保证全局唯一
new_customers['ID'] = new_customers.apply(lambda x: str(uuid.uuid4()), axis=1)

优缺点说明：

• 优点：无需查重，永远不会出现重复ID，实现简单
• 缺点：ID为36位无规律字符串，长度长、无业务含义，可读性差。

内容的提问来源于stack exchange，提问作者Nick