我已经加载了一个带有 json 文件的 s3 存储桶，并将其解析/展平为一个 Pandas 数据帧。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，将这些列(名称和地址)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 或其他一些包中是否有现有的功能，我可以为此使用？
最佳答案
使用 Categorical 将是一种有效的方法 - 主要警告是编号将仅基于数据中的排序，因此如果需要跨多个列/数据集使用此编号方案，则需要注意一些。
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
关于python - 在 Pandas 数据帧 python 中使用 pii 匿名化特定列，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/48008334/