在追加时在Pandas中保留唯一索引（或id）

Question

我想在数据框中添加新行。而且，我想有另一个引用第一个数据帧的数据帧。 例如，我有一个包含新闻的表，每一行都是唯一的新闻

pd.DataFrame.from_dict({0: ['company1 is bankrupt'],
                        1: ['company2 and company3 are going to merge. company1 is good'],
                        2: ['company3 is going to create a new product. CEO of company3 says it will be a good product']}, orient='index', columns=['text'])

我还想保留每个新闻中有哪些公司的信息，以及每个公司在文本中出现的次数。我想创建一个新的数据帧，例如：

index company  freq    
news1 company1 2  
news1 company2 1   
news2 company3 3  

…
但要做到这一点，我需要有一个稳定的新闻id，但如果我附加，我需要重新索引。如果我删除了中间的一条新闻，那么reindex，id将被更改，所以添加新行可以更改我的id，所以我不能引用这个id。我该怎么办？也许我应该在dataframe中创建一个dataframe（或dictionary）来解决这个问题？你知道吗

Answer 1

为什么不简单地，如你所说，为新闻创建一个ID？它不需要在索引中。简单地做：

df['news_id'] = [i for i in range(len(df))]

这将为每条新闻附加一个ID（可能与索引重复）。现在您只需引用附加行中的news_id，而不用担心索引。你知道吗

编辑：如果你定期更新数据库，你可以简单地使用一个更复杂的ID创建者。比如：

import random
characters = 'abcdefghijklmnopqrstuvwxyz123456789'
used_ids = []
def pick_id():
    global used_ids #this allows us to use and modify the used_ids list in the function
    ID = ''.join([random.choice(characters) for i in range(16)]) #arbitrary length of 16 for IDs
    while ID in used_ids: #this simply repeats the generation of IDs if the ID is already in used_ids
        ID = ''.join([random.choice(characters) for i in range(16)])
    used_ids.append(ID) #now add the used ID to used_ids
    return ID

现在您只需执行以下操作：

df['news_id'] = [pick_id() for i in range(len(df))]

这要求您跟踪news\u id，但也不是那么糟糕：无论何时运行此程序，您都可以这样读取新的数据帧：

used_ids = list(set(list(new_dataframe['news_id'])))

这将给你所有唯一的身份证已经采取。你知道吗