DataFrame指定列唯一值替换规则调整技术问询

首先，先回顾下你原来实现的逻辑——给每一列的唯一值分配带列专属前缀的序号（第1列a0/a1…，第2列b0/b1…），用pandas实现的话，单行代码大概是这样的：

df = df.apply(lambda col: col.map({v: f"{chr(ord('a') + col.index)}{i}" for i, v in enumerate(col.unique())}))

（这里默认列是按0起始的索引排序，如果是自定义列名的场景，只需要调整前缀生成逻辑即可）

针对你提到的调整替换规则的需求，我整理了几种常见场景的实现方案，你可以根据实际需求参考：

场景1：自定义列前缀（比如第1列用x、第2列用y，而非默认的a/b/c） #

如果不想按a/b/c的顺序自动生成前缀，而是手动指定每列的专属前缀，可以先定义一个前缀映射字典，再生成替换规则：

# 键是列名，值是对应要使用的前缀
prefix_map = {'col1': 'x', 'col2': 'y', 'col3': 'z'}
df = df.apply(lambda col: col.map({v: f"{prefix_map[col.name]}{i}" for i, v in enumerate(col.unique())}))

场景2：按值的字典序排序后分配序号（而非首次出现顺序） #

原来的逻辑是按值在列中首次出现的顺序分配序号，如果想改成按值的字母顺序排序后分配，只需把col.unique()替换为sorted(col.unique())：

df = df.apply(lambda col: col.map({v: f"{chr(ord('a') + col.index)}{i}" for i, v in enumerate(sorted(col.unique()))}))

场景3：反向分配序号（最后一个唯一值对应0，第一个对应n-1） #

如果需要倒序分配序号，只需要调整索引的计算方式：

df = df.apply(lambda col: col.map({v: f"{chr(ord('a') + col.index)}{len(col.unique()) - 1 - i}" for i, v in enumerate(col.unique())}))

场景4：统一格式的序号（比如所有列用「前缀_列号_序号」） #

如果不需要列专属字母前缀，而是用统一的格式（比如val_1_0代表第1列第0个唯一值），可以这样写：

df = df.apply(lambda col: col.map({v: f"val_{col.index+1}_{i}" for i, v in enumerate(col.unique())}))

如果你的调整需求是其他特殊场景（比如基于值的频率分配序号、关联其他列的替换规则等），可以补充更多细节，我再帮你优化代码~

内容的提问来源于stack exchange，提问作者user1111