我有一个数据框，其中包含我通过 pandas 库存储的域列表(在我的例子中是顶点/节点):
domain
0 airbnb.com
1 facebook.com
2 st.org
3 index.co
4 crunchbase.com
5 avc.com
6 techcrunch.com
7 google.com
我有另一个数据框，其中包含这些域(也称为边)之间的连接:
source_domain destination_domain
0 airbnb.com google.com
1 facebook.com google.com
2 st.org facebook.com
3 st.org airbnb.com
4 st.org crunchbase.com
5 index.co techcrunch.com
6 crunchbase.com techcrunch.com
7 crunchbase.com airbnb.com
8 avc.com techcrunch.com
9 techcrunch.com st.org
10 techcrunch.com google.com
11 techcrunch.com facebook.com
因为这个数据集会变得更大，我读到如果我只用整数而不是字符串来表示“边缘”数据帧，我可以获得更快的性能。
所以，我想知道是否有一种快速的方法可以将边缘数据框中的每个单元格替换为域(也称为顶点)数据框中的相应 ID？所以边缘数据框中的第 1 行最终可能看起来像:
###### Before: #####################
1 facebook.com google.com
###### After: #####################
1 1 7
我该怎么做呢？提前谢谢你。
请您参考如下方法:
我尝试实现另一个答案 - 转换为 Catagorical 并为 ints 使用 cat.codes :
#if always unique domain in df1 can be omit
#cats = df1['domain'].unique()
cats = df1['domain']
df2['source_domain'] = df2['source_domain'].astype('category', categories=cats)
df2['destination_domain'] = df2['destination_domain'].astype('category', categories=cats)
df2['source_code'] = df2['source_domain'].cat.codes
df2['dest_code'] = df2['destination_domain'].cat.codes
print (df2)
source_domain destination_domain source_code dest_code
0 airbnb.com google.com 0 7
1 facebook.com google.com 1 7
2 st.org facebook.com 2 1
3 st.org airbnb.com 2 0
4 st.org crunchbase.com 2 4
5 index.co techcrunch.com 3 6
6 crunchbase.com techcrunch.com 4 6
7 crunchbase.com airbnb.com 4 0
8 avc.com techcrunch.com 5 6
9 techcrunch.com st.org 6 2
10 techcrunch.com google.com 6 7
11 techcrunch.com facebook.com 6 1
df2['source_domain'] = df2['source_domain'].astype('category', categories=cats).cat.codes
df2['destination_domain'] = df2['destination_domain'].astype('category', categories=cats)
.cat.codes
print (df2)
source_domain destination_domain
0 0 7
1 1 7
2 2 1
3 2 0
4 2 4
5 3 6
6 4 6
7 4 0
8 5 6
9 6 2
10 6 7
11 6 1
如果想用dict 替换使用map :
d = dict(zip(df1.domain.values, df1.index.values))
df2['source_code'] = df2['source_domain'].map(d)
df2['dest_code'] = df2['destination_domain'].map(d)
print (df2)
source_domain destination_domain source_code dest_code
0 airbnb.com google.com 0 7
1 facebook.com google.com 1 7
2 st.org facebook.com 2 1
3 st.org airbnb.com 2 0
4 st.org crunchbase.com 2 4
5 index.co techcrunch.com 3 6
6 crunchbase.com techcrunch.com 4 6
7 crunchbase.com airbnb.com 4 0
8 avc.com techcrunch.com 5 6
9 techcrunch.com st.org 6 2
10 techcrunch.com google.com 6 7
11 techcrunch.com facebook.com 6 1
