python - Pandas 数据帧 : create new ID variable based on number of modalities of an existing one

Question

数据框 df 包含一个 ID 变量，其中包含观察组的 ID。但 ID 值有“漏洞”(可以是 1、3、4、7，不能是 0、2、5、6)。

df = pd.DataFrame({'a': [1, 2, 3, 4, 5, 6 ], 'b': [7, 8 , 9, 10, 11, 12],
                   'id': [1, 4, 4, 7, 3, 1]})

   a   b  id
0  1   7   1
1  2   8   4
2  3   9   4
3  4  10   7
4  5  11   3
5  6  12   1

我的目标是用新的 ID 变量替换现有的 ID 变量，从 0 开始到原始 ID 变量中的最大 ID 数，例如。

df2 = pd.DataFrame({'a': [1, 2, 3, 4, 5, 6 ], 'b': [7, 8 , 9, 10, 11, 12],
                    'id': [0, 2, 2, 3, 1, 0]})

   a   b  id
0  1   7   0
1  2   8   2
2  3   9   2
3  4  10   3
4  5  11   1
5  6  12   0

知道如何做到这一点吗？

感谢您的宝贵时间!

Answer 1

pd.factorize支持这个:

df['id'] = pd.factorize(df['id'], sort=True)[0]

#    a   b  id
# 0  1   7   0
# 1  2   8   2
# 2  3   9   2
# 3  4  10   3
# 4  5  11   1
# 5  6  12   0