熊猫:如何在不寻常的文本顺序中分解

考虑 DF 其中字符串列如下所示:

df = pd.DataFrame(dict(col=['A','B','AA','C','BB','AAA','BC','AB','AA']))
df

自定义函数:

(i) 从所考虑的列中选取唯一条目。
(ii) Groupby 按字符串长度,按字典顺序排序,并水平堆叠。
(iii)分解它们。

def complex_factorize(df, col):
    ser = pd.Series(df[col].unique())
    func = lambda x: sorted(x.values.ravel())
    arr = np.hstack(ser.groupby(ser.str.len()).apply(func).values)
    return pd.factorize(arr)

获取由 factorize 方法,将其输入 DF.replace

val, ser = complex_factorize(df, 'col')
df.replace(ser, val)