assign_unique_ids()：分配唯一 ID

assign_unique_ids() 是一个辅助函数。要是你的数据集里没有 ID，它能给你的每条数据分配一个唯一的 ID 值。
建议你在创建 SequenceData 对象之前使用它，因为你的数据表需要有 ID 这一列后才能创建这个对象，开始真正的序列分析。

需要输入哪些参数？

参数名	是否 必填	类型	描述
df	✓	DataFrame	输入数据集，每行代表一个实体（例如一个人、一个案例等）
id_col_name	✗	str	新 ID 列的名称，默认值为 "Entity ID"

这个函数会做什么？

• 会创建一个新列，并且把新列放在数据表的首列位置处；
• 会给每一行赋予一个独一无二的整数值，作为它的序列号。序列号从 0 开始，一直编到总行数减 1 的数（n-1）；
• 要是数据里已经有同名的列，函数会直接报错。这可以帮助你避免不小心把原来的数据覆盖掉的问题；
• 最后，函数会给你一个带有新 ID 列的数据集副本，也就是说，你原来的数据不会有任何改动。

这个函数有哪些特点？

• 自动生成 ID：你不需要手动给每一行的数据编写 ID，直接解放双手；
• 防错设计：要是数据表里已经有同名的列了，可以避免覆盖掉原来同名的列；
• 支持自定义名称：你可以通过 id_col_name 参数来修改 ID 列的名字；
• 对新手友好：能保证每条数据总有一个唯一的标识，特别适合在创建 SequenceData 前用它对数据进行预处理工作。

示例

1. 给没有 ID 值的数据集加上 ID 值

import pandas as pd

data = pd.DataFrame({
    "Y1": ["EDU", "EDU", "FT"],
    "Y2": ["EDU", "UNEMP", "FT"]
})

df_with_ids = assign_unique_ids(data)
print(df_with_ids)

输出结果：

   Entity ID    Y1     Y2
0          0   EDU    EDU
1          1   EDU  UNEMP
2          2    FT     FT

2. 自定义列的名字

df_with_ids = assign_unique_ids(data, id_col_name="Person")
print(df_with_ids)

输出结果：

   Person    Y1     Y2
0       0   EDU    EDU
1       1   EDU  UNEMP
2       2    FT     FT

作者

代码：梁彧祺

文档：梁彧祺

编辑：梁彧祺

翻译：杨子婷