散列熊猫数据框中的每个值

Question

在 python 中，我试图找到最快的散列 pandas 数据框中的每个值。

我知道任何字符串都可以使用以下方法进行哈希处理：

 hash('a string')

但是我如何将这个函数应用到 pandas 数据框的每个元素上呢？

这可能是一件非常简单的事情，但我才刚刚开始使用 python。

原文由 user3664020 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

将 hash 函数传递给 apply 在 str 列：

 In [37]:

df = pd.DataFrame({'a':['asds','asdds','asdsadsdas']})
df
Out[37]:
            a
0        asds
1       asdds
2  asdsadsdas
In [39]:

df['hash'] = df['a'].apply(hash)
df
Out[39]:
            a                 hash
0        asds  4065519673257264805
1       asdds -2144933431774646974
2  asdsadsdas -3091042543719078458

如果您想对每个元素执行此操作，请调用 applymap ：

 In [42]:

df = pd.DataFrame({'a':['asds','asdds','asdsadsdas'],'b':['asewer','werwer','tyutyuty']})
df
Out[42]:
            a         b
0        asds    asewer
1       asdds    werwer
2  asdsadsdas  tyutyuty
In [43]:

df.applymap(hash)
​
Out[43]:
                     a                    b
0  4065519673257264805  7631381377676870653
1 -2144933431774646974 -6124472830212927118
2 -3091042543719078458 -1784823178011532358

原文由 EdChum 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

Pandas 还有一个函数可以在数组或列上应用哈希函数：

 import pandas as pd

df = pd.DataFrame({'a':['asds','asdds','asdsadsdas']})
df["hash"] = pd.util.hash_array(df["a"].to_numpy())

原文由 bert wassink 发布，翻译遵循 CC BY-SA 4.0 许可协议