如何一次性将Pandas DataFrame列值转为基于唯一值数量的数值表示（含自定义种子）

我来帮你搞定这个数据转换需求，下面分基础连续整数映射和自定义种子函数映射两种方案详细说明，完全匹配你给出的示例要求。

一、基础实现：默认连续整数映射 #

这个版本会把每列的唯一非空值按出现顺序映射为1、2、3...这样的连续正整数，所有空值（包括空字符串''）统一替换为-1，和你给出的data1示例完全一致。

步骤1：构造示例DataFrame #

首先把测试数据转换成Pandas DataFrame：

import pandas as pd

data = {
    'Col1': ['G1', 'G2', 'G9','G4','G6',''],
    'Col2': ['H2', 'H1', 'H9','H9','',''],
    'Col3': ['D2', 'D1', 'D9','','',''],
    'Col4': ['GHD2', 'GHD1', 'GHD9','GHD9','GDH11','GDH13']
}
df = pd.DataFrame(data)

步骤2：编写批量转换函数 #

先写一个处理单列的函数，再用apply批量应用到所有列：

def map_col_to_numeric(col):
    # 先把空字符串转成Pandas标准空值pd.NA，方便统一处理
    col_clean = col.replace('', pd.NA)
    # 使用factorize生成初始映射，na_sentinel指定空值的临时标记为-1
    mapped, _ = pd.factorize(col_clean, na_sentinel=-1)
    # 把非空值的映射从0开始改成1开始，空值保持-1
    return [val + 1 if val != -1 else -1 for val in mapped]

# 应用到所有列，得到转换后的DataFrame
df_converted = df.apply(map_col_to_numeric)

运行后查看df_converted，就是你要的结果：

Col1  Col2  Col3  Col4
0     1     1     1     1
1     2     2     2     2
2     3     3     3     3
3     4     3    -1     3
4     5    -1    -1     4
5    -1    -1    -1     5

二、扩展实现：支持自定义种子函数 #

如果需要用你提到的weighted_value这类自定义函数生成种子值来决定数值体系，我们可以调整逻辑，先给每个唯一值分配自定义种子，再做映射。

步骤1：定义自定义种子函数 #

这里模拟一个weighted_value函数（你可以替换成自己的业务逻辑），比如根据字符串长度生成种子：

def weighted_value(unique_val):
    # 示例：根据字符串长度返回种子值，你可以改成自己的规则
    return len(unique_val) * 2

步骤2：编写支持自定义映射的转换函数 #

def map_col_with_custom_seed(col, seed_func):
    # 统一处理空字符串为pd.NA
    col_clean = col.replace('', pd.NA)
    # 获取列中的非空唯一值
    unique_vals = col_clean.dropna().unique()
    # 用自定义函数生成{唯一值: 种子值}的映射字典
    value_map = {val: seed_func(val) for val in unique_vals}
    # 执行映射，空值默认返回-1
    return col_clean.map(lambda x: value_map.get(x, -1))

# 应用到所有列，传入自定义种子函数
df_custom = df.apply(map_col_with_custom_seed, seed_func=weighted_value)

运行后，df_custom的数值就会按照weighted_value的规则生成，比如Col4里的GHD2长度为4，对应种子值8；GDH11长度为5，对应种子值10。

关键细节提示 #

• 空值统一处理：把空字符串转成pd.NA是为了避免factorize或者map把空字符串当成普通唯一值，确保所有空内容都映射为-1。
• 批量效率：用DataFrame.apply()比手动循环每列更高效，尤其是数据量大的时候。
• 灵活性：自定义种子函数可以是任何逻辑——比如从外部配置字典取值、计算权重、关联其他数据等，只需要保证函数接收唯一值参数并返回对应的数值即可。

内容的提问来源于stack exchange，提问作者user2277675