我已经加载了一个带有 json 文件的 s3 存储桶,并将其解析/压平到 pandas 数据帧中。现在我有一个包含 175 列的数据框,其中 4 列包含个人身份信息。
我正在寻找一种快速解决方案,对这些列(名称和地址)进行匿名化。我需要保留多个信息,以便同一个人的姓名或地址多次出现时具有相同的哈希值。
pandas 或其他一些软件包中是否有现有的功能可以用于此目的?
Using a Categorical
将是执行此操作的有效方法 - 主要警告是编号将仅基于数据中的顺序,因此如果需要跨多个列/数据集使用此编号方案,则需要小心。
df = pd.DataFrame({'ssn': [1, 2, 3, 999, 10, 1]})
df['ssn_anon'] = df['ssn'].astype('category').cat.codes
df
Out[38]:
ssn ssn_anon
0 1 0
1 2 1
2 3 2
3 999 4
4 10 3
5 1 0
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)