Анонимизация данных / замена имен
Обычно я анонимизирую свои данные, используя hashlib и функцию.apply (hash).
Теперь я пробую новый подход, представьте, что мне нужно следовать df под названием "data":
вкладчик - уплаченная сумма
Эрик - 10
откровенный - 28
Джон - 49
откровенный - 77
Барбара - 31
Который я хочу анонимизировать, превратив все имена в 'person1', 'person2' и т. Д., Вот так:
вкладчик - уплаченная сумма
человек1 - 10
человек2 - 28
человек3 - 49
человек2 - 77
человек4 - 31
Поэтому сначала я суммировал столбец имени, чтобы имена были привязаны к уникальному индексу, и я использую этот индекс для числа после слова "человек".
Так что теперь я застрял в той части, как я могу пройти через мой data.name
в столбце и просмотрите итоговый фрейм данных для индекса и замените фактическое имя, например, на "person3".
мой код пока
counter = 0
for names in data.contributor:
if names == summarize.contributor[counter]:
print(summarize.contributor[counter])
data.contributor.replace(summarize.contributor[counter], "Person %d" % counter)
counter = counter + 1
Я думал, чтобы поместить имена в список + индекс, но я думаю, что есть быстрый путь. Поиск "Энтони" был просто тестом, чтобы увидеть, работает ли мой код.
3 ответа
Может быть, попытаться создать фрейм данных под названием "индекс" для этой операции и сохранить уникальный name
ценности внутри него?
Затем создайте маски с уникальными именными индексами и объедините полученный фрейм данных. index
с data
,
index = pd.DataFrame()
index['name'] = df['name'].unique()
index['mask'] = index['name'].apply(lambda x : 'person' +
str(index[index.name == x].index[0] + 1))
data.merge(index, how='left')[['mask', 'amount']]
Я думаю, что более быстрое решение это использовать factorize
для уникальных значений добавьте 1
, преобразовать в Series
а также string
с и готовый Person
строка:
df['contributor'] = 'Person' + pd.Series(pd.factorize(df['contributor'])[0] + 1).astype(str)
print (df)
contributor amount payed
0 Person1 10
1 Person2 28
2 Person3 49
3 Person2 77
4 Person4 31
labels, uniques = pd.factorize(df['name'])
labels = ['person_'+str(l) for l in labels]
df['contributor_anonymized'] = labels
Здорово, это сработало. Я использовал часть вашего кода в моем, и вместе он дал правильный вывод:
counter = 0
for names in data.contributor:
if names == summarize.contributor[counter]:
print(summarize.contributor[counter])
data['contributor_anonymized'] = data['contributor'].apply(lambda x : 'Person' + str(index[index.name == x].index[0] + 1))
counter = counter + 1