这是一种方法：

df2 = df.groupby('user_id').count().reset_index()
df2 = df2.assign(new_user_id=df2.index + 1).set_index('user_id')
df = df.join(df2['new_user_id'], on='user_id').drop(columns=['user_id']).rename(columns={'new_user_id':'user_id'})

df2 = df.groupby('movie_id').count().reset_index()
df2 = df2.assign(new_movie_id=df2.index + 1).set_index('movie_id')
df = df.join(df2['new_movie_id'], on='movie_id').drop(columns=['movie_id']).rename(columns={'new_movie_id':'movie_id'})

df = pd.concat([df[['user_id', 'movie_id']], df.drop(columns=['user_id', 'movie_id'])], axis=1)

样本输入：

user_id  movie_id  rating  timestamp
0        1         2     5.0  838985046
1        1         4     5.0  838983525
2        3         4     5.0  838983392
3        3         6     5.0  912580553
4        5         2     5.0  912580722
5        5         6     5.0  912580344

样本输出：

user_id  movie_id  rating  timestamp
0        1         1     5.0  838985046
1        1         2     5.0  838983525
2        2         2     5.0  838983392
3        2         3     5.0  912580553
4        3         1     5.0  912580722
5        3         3     5.0  912580344

这是中间结果和解释。

首先我们这样做：

df2 = df.groupby('user_id').count().reset_index()

输出：

user_id  movie_id  rating  timestamp
0        1         2       2          2
1        3         2       2          2
2        5         2       2          2

我们上面所做的是使用 groupby 为每个唯一的 user_id 获取一行。我们调用 count 只是为了将输出（一个 groupby 对象）转换回一个数据帧。我们调用 reset_index 来创建一个没有间隙的新整数范围索引。 （注意：我们关心以供将来使用的唯一列是 user_id。）

接下来我们这样做：

df2 = df2.assign(new_user_id=df2.index + 1).set_index('user_id')

输出：

movie_id  rating  timestamp  new_user_id
user_id
1               2       2          2            1
3               2       2          2            2
5               2       2          2            3

assign 调用创建了一个名为 new_user_id 的新列，我们使用 0 偏移索引加 1 填充该列（这样我们就不会有 id values < 1）。 set_index 调用将我们的索引替换为 user_id，以期将此数据帧的索引用作对 join 的延迟调用的目标。

下一步是：

df = df.join(df2['new_user_id'], on='user_id').drop(columns=['user_id']).rename(columns={'new_user_id':'user_id'})

输出：

movie_id  rating  timestamp  user_id
0         2     5.0  838985046        1
1         4     5.0  838983525        1
2         4     5.0  838983392        2
3         6     5.0  912580553        2
4         2     5.0  912580722        3
5         6     5.0  912580344        3

这里我们只取 df2 的 new_user_id 列并在 df 对象上调用 join，指示方法使用 df 中的 user_id 列（on 参数）与索引（最初是df2)。这将在名为 new_user_id 的列中创建一个具有所需新范式 user_id values 的 df。剩下的就是删除旧范式 user_id 列并将 new_user_id 重命名为 user_id，这就是对 drop 和 rename 的调用所做的。

将movie_id values 更改为新范例的逻辑（即消除唯一value 集合中的间隙）是完全类似的。完成后，我们有以下输出：

rating  timestamp  user_id  movie_id
0     5.0  838985046        1         1
1     5.0  838983525        1         2
2     5.0  838983392        2         2
3     5.0  912580553        2         3
4     5.0  912580722        3         1
5     5.0  912580344        3         3

最后，我们使用以下代码对列进行重新排序，使其看起来与原始列相同：

df = pd.concat([df[['user_id', 'movie_id']], df.drop(columns=['user_id', 'movie_id'])], axis=1)

输出：

user_id  movie_id  rating  timestamp
0        1         1     5.0  838985046
1        1         2     5.0  838983525
2        2         2     5.0  838983392
3        2         3     5.0  912580553
4        3         1     5.0  912580722
5        3         3     5.0  912580344

更新：这是一个替代解决方案，它使用 Series.unique() 而不是 gropuby 并节省了几行：

df2 = pd.DataFrame(df.user_id.unique(), columns=['user_id']
    ).reset_index().set_index('user_id').rename(columns={'index':'new_user_id'})['new_user_id'] + 1
df = df.join(df2, on='user_id').drop(columns=['user_id']).rename(columns={'new_user_id':'user_id'})

df2 = pd.DataFrame(df.movie_id.unique(), columns=['movie_id']
    ).reset_index().set_index('movie_id').rename(columns={'index':'new_movie_id'})['new_movie_id'] + 1
df = df.join(df2, on='movie_id'
    ).drop(columns=['movie_id']).rename(columns={'new_movie_id':'movie_id'})

df = pd.concat([df[['user_id', 'movie_id']], df.drop(columns=['user_id', 'movie_id'])], axis=1)

这里的想法是：

第 1 行：

• 使用 unique 获取 user_id 的唯一 values ，而无需计算重复或维护其他列（这是 groupby 在上面的原始解决方案中所做的）
• 在名为 new_user_id 的列中创建一个包含这些唯一 values 的新数据框
• 调用 reset_index 以获取一个无间隙整数范围的索引（每个唯一 user_id 一个整数）
• 调用 set_index 它将创建一个名为 'index' 的列，其中包含先前的索引（0..number of unique user_id values）并使 user_id 成为新索引
• 将标有“索引”的列重命名为 new_user_id
• 访问 new_user_id 列并添加 1 以从 0-offset 转换为 1-offset id value。

第 2 行：

• 就像我们在原始解决方案中所做的那样调用 join，除了 other 数据框只是 df2（这很好，因为它只有一个列，new_user_id）。

movie_id 的逻辑完全类似，使用 concat 的最后一行与上面的原始解决方案相同。