用唯一的随机字符串替换列中的字符串

Posted 2023-03-12

【中文标题】用唯一的随机字符串替换列中的字符串

【英文标题】：Replace strings from column with unique random strings

【发布时间】：2020-06-25 19:12:19

【问题描述】：

我有一个包含多列的 csv，其中一列由字符串组成。

我从读取 csv 文件开始，然后只使用两列

df = pd.read_csv("MyDATA_otherstring.csv", usecols=["describe_file", "data_numbers"])

这是输出

    describe_file   data_numbers
0   This is the start of the story  7309.0
1   This is the start of the story  35.0
2   This is the start of the story  302.0
3   Difficult part  7508.5
4   Difficult part  363.0

在大约 10k 行中，大约有 150 个唯一字符串。这些字符串在文件中多次出现。

我的目标 按第一个字符串示例“这是故事的开始”进行过滤，并将其替换为随机字符串。

我想遍历该列中的所有字符串并用唯一的字符串替换它们

我查看了随机库和这里提出的一些问题，不幸的是我没有找到任何对我有帮助的东西。

【问题讨论】：

请更具体地说明您所做的研究以及您尝试过的内容。您至少可以以更方便或更实用的格式提供数据。

【参考方案1】：

@Nicolas Gervais 之前的回答很好，但在阅读了几次问题后，我解释说问题是用随机字符串替换“这是故事的一部分”，但留下其余的“困难部分”照原样。以下包含.replace() 语句的命令正在执行此操作。

df['describe_file'].apply(lambda x: x.replace('This is the start of the story', ''.join(np.random.choice(list(ascii_lowercase), 10)))) 

0        glhrtqwlnl
1        qxrklnxhoj
2        kszgtysptj
3    Difficult part
4    Difficult part
Name: describe_file, dtype: object

【参考方案2】：

这是你的例子：

import pandas as pd
import numpy as np
from string import ascii_lowercase

df = pd.DataFrame([['This is the start of the story']*3 + ['Difficult part']*2, 
    np.random.rand(5)], index=['describe_file', 'data_numbers']).T

                    describe_file data_numbers
0  This is the start of the story     0.825913
1  This is the start of the story     0.704422
2  This is the start of the story      0.91563
3                  Difficult part     0.192693
4                  Difficult part     0.795088

你可以这样做：

df.describe_file = df.join(df.groupby('describe_file')['describe_file'].apply(lambda x:
    ''.join(np.random.choice(list(ascii_lowercase), 10))), \
    on='describe_file', rsuffix='_NEW')['describe_file_NEW']

结果：

  describe_file data_numbers
0    skgfdrsktw     0.204907
1    skgfdrsktw     0.399947
2    skgfdrsktw     0.990196
3    rziuoslpqn     0.930852
4    rziuoslpqn     0.210122

【讨论】：

感谢您的回答，但是我试图找到可以对所有字符串执行此操作的方法。如果我必须处理每个字符串并将其粘贴到代码中。除了在 excel 中执行查找和替换选项之外，我不会更安全

这样吗？ （见答案）。即，为整列生成随机字符串？

并且“字符串“这是故事的开始”应该替换为一个强而不是每次都不同

示例。所有“这是故事的开始”都替换为“kkbim”。所有“困难的部分”都用其他字符串替换它们

知道了。希望这是你所期待的（见编辑）