DataFrame中按条件为每行生成同组一致随机数的实现咨询

以下代码可以直接满足需求，运行后输出和你给出的示例一致：

import pandas as pd
import numpy as np

# 构造示例DataFrame，你可以替换成自己的数据源
data = {
    'id': [1111, 1111, 2222, 3333, 4444],
    'names': ['name1', 'name2', 'name1', 'name2', 'name2'],
    'code': ['jflsdf3r8fhldfskdjbf29', 'sljncidbviwbedsdvjfb', 'jflsdf3r8fhldfskdjbf29', 'sadovnadnfadfadgdaf', 'sadovnadnfadfadgdaf']
}
df = pd.DataFrame(data)

# 给每个唯一code分配初始随机数，固定seed是为了复现结果，不需要可以删除
np.random.seed(42)
code_unique = df['code'].unique()
code_rand_map = dict(zip(code_unique, np.random.randint(1, 100, size=len(code_unique))))

# 统一同一id下所有关联code的随机数
id_rand_map = df.groupby('id')['code'].first().map(code_rand_map).to_dict()
for id_val, group_df in df.groupby('id'):
    for code_val in group_df['code'].unique():
        code_rand_map[code_val] = id_rand_map[id_val]

# 映射生成新列
df['random_number'] = df['code'].map(code_rand_map)

# 可选：将随机数转换为1、2、3这类连续编号，和示例输出格式完全匹配
df['random_number'] = pd.factorize(df['random_number'])[0] + 1

逻辑说明 #

• 首先给每一个唯一的code生成独立的初始随机数
• 再以id为基准，把同一个id对应的所有code的随机数统一为同一个值，保证同一id、同一code的随机数都一致
• 最后把映射关系回写到原DataFrame生成新列
• 如果不需要连续的编号，删除最后一行可选代码即可

内容的提问来源于stack exchange，提问作者Y.C.T