python - 使用随机 'nicknames' 对 pandas 名称列进行匿名化

Question

假设我有一个 pandas 数据框和一个“名称”列。我想对该列进行匿名化并隐藏身份。我可以做类似的事情，

df['nickname'] = 'P ' + pd.Series(pd.factorize(df['name'])[0] + 1).astype(str)

但它给了我这个:

name       nickname  
frank miller   P 1       
john cena      P 2       
john cena      P 2       
rock           P 3       

以上是可接受的匿名化，但不是我需要的。有什么办法可以得到下面想要的表格吗？也许是内置的 python 函数或已经实现了类似功能的人？

所需的表(具有随机昵称，但相同输入的输出相同):

name       nickname  
frank miller   Tiko       
john cena      Bozo       
john cena      Bozo       
the rock       Hana       

Answer 1

您可以使用Faker这个包会为您生成一个虚拟名称。

安装:

# pip
pip install Faker

# anaconda
conda install -c conda-forge faker

示例:

from faker import Faker
faker = Faker()
# seed the random generator to produce the same results
Faker.seed(4321)

dict_names = {name: faker.name() for name in df['name'].unique()}
df['nickname'] = df['name'].map(dict_names)

输出

           name     nickname
0  frank miller  Jason Brown
1     john cena  Jacob Stein
2     john cena  Jacob Stein
3          rock   Cody Brown

<小时/>

您还可以使用某些国家/地区的名称来初始化 Faker:

faker = Faker(['it_IT', 'de_DE', 'sv_SE'])

dict_names = {name: faker.name() for name in df['name'].unique()}
df['nickname'] = df['name'].map(dict_names)

输出

           name           nickname
0  frank miller    Nadeschda Finke
1     john cena      Marcus Warmer
2     john cena      Marcus Warmer
3          rock  Sophia Squarcione