如何将Pandas用户名列高效转为数值数组？Keras方案咨询

刚好遇到过类似的需求，针对你有100个用户名的场景，下面给你几个简洁高效的方案，覆盖纯数据预处理和Keras模型集成两种场景，顺便优化你构思的函数思路：

一、Pandas简洁实现（最推荐的纯预处理方案） #

Pandas自带的factorize()方法专门用来处理类别型数据转整数映射，完全不需要手动写字典，100个用户名也能一键搞定：

import pandas as pd

# 加载你的数据集（这里用示例数据演示）
df = pd.DataFrame({
    'UserName': ['Peter', 'Richard', 'Peter'],
    'exam': [1, 2, 2],
    'score': [70, 80, 60]
})

# 把UserName映射为从1开始的整数（默认从0开始，加1适配你的示例格式）
df['UserName_id'] = df['UserName'].factorize()[0] + 1

# 生成你需要的逗号分隔格式
output_lines = df[['UserName_id', 'exam', 'score']].astype(str).agg(','.join, axis=1)

# 输出结果
for line in output_lines:
    print(line)

运行后就会输出：

1,1,70
2,2,80
1,2,60

factorize()会自动给每个唯一用户名分配唯一ID，顺序是第一次出现的顺序，完全不需要你手动维护映射字典，处理100个用户名毫无压力。

二、Keras/TensorFlow集成方案（适合模型输入管道） #

如果你的数据集要直接喂给Keras模型，用TensorFlow的StringLookup层更合适，它可以把映射逻辑整合到模型预处理流程中，不需要离线处理：

import tensorflow as tf

# 模拟你的输入数据
user_names = tf.constant(['Peter', 'Richard', 'Peter'])
exam = tf.constant([1, 2, 2])
score = tf.constant([70, 80, 60])

# 创建字符串转整数的映射层，输出从1开始（mask_token设为None避免0作为掩码）
lookup_layer = tf.keras.layers.StringLookup(
    output_mode='int', 
    mask_token=None, 
    num_oov_indices=0  # 如果没有未知用户名可以设为0，有未知用户的话设为1
)

# 让层学习用户名的映射关系
lookup_layer.adapt(user_names)

# 转换用户名为整数ID
user_ids = lookup_layer(user_names)

# 拼接成你需要的格式
result_lines = tf.strings.join(
    [tf.strings.as_string(user_ids), tf.strings.as_string(exam), tf.strings.as_string(score)],
    separator=','
)

# 打印结果
for line in result_lines.numpy():
    print(line.decode('utf-8'))

这个方案的好处是可以直接和TF Dataset结合，在训练时动态处理数据，尤其适合大规模数据或者需要在线预处理的场景。

三、优化你的自定义函数思路 #

你构思的函数思路没问题，但可以用Python的字典推导式和Pandas的map()方法简化，更高效简洁：

def NameToInt(user_series):
    # 用字典推导式生成用户名到整数的映射（从1开始）
    name_map = {name: idx + 1 for idx, name in enumerate(user_series.unique())}
    # 批量转换整个列
    return user_series.map(name_map)

# 使用示例
df['UserName_id'] = NameToInt(df['UserName'])

这样既保留了你自定义映射的灵活性，又避免了冗余的循环append操作，处理100个用户名速度很快。

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