Eu tenho a seguinte base de dados que contem matriculas de uma Instituição que estou desenvolvendo uma pesquisa, futuramente para fazer um mapeamento dos alunos eu preciso de um id que identifique cada aluno, em que com esse id eu possa identificar o aluno no ano seguinte, já que eu tenho dados de 2009 a 2018.
Para criar esse id eu estou utilizando as colunas com os atributos dos alunos que não muda independente do ano, que no caso são TP_COR_RACA
, TP_SEXO
, NU_ANO_NASCIMENTO
, NU_MES_NASCIMENTO
e NU_DIA_NASCIMENTO
, a ideia é que a partir desses atributos eu crie um
id que repete sempre que essa combinação for a mesma.
Tentei fazer da seguinte forma:
def getKey(row):
# retorna um str com os valores das colunas que são imutaveis independente do ano
# que será usado como chave para gerar o Id.
key = f"{row['TP_COR_RACA']}{row['TP_SEXO']}{row['NU_ANO_NASCIMENTO']}\
{row['NU_MES_NASCIMENTO']}{row['NU_DIA_NASCIMENTO']}"
return key
def getDicId(df):
# retorna um dicionário em que os index são as chaves, sem repetir.
dic_id = {}
for index, row in df.iterrows():
key = getKey(row)
dic_id[key] = 'null'
# cria um id para cada chave do dicionario.
idx = 1
for i in dic_id:
dic_id[i] = idx
idx += 1
return dic_id
def getId(df):
df.loc[df_concat.TP_SEXO == 2, 'TP_SEXO'] = 0
dic_id = getDicId(df)
df['Id'] = 'null'
# Obtem uma chave de cada matricula e atribui sue id usando o
# dicionario que tem o index igual sua chave.
for index, row in df.iterrows():
key = getKey(row)
df.loc[index, 'Id'] = dic_id[key]
return df
Porém não deu muito certo, o mesmo id foi gerado para alunos diferentes mesmo usado esses atributos como chave ao contrario do que eu esperava, o resultado pode ser conferido aqui, se alguém souber a onde está o erro ou de que outra forma eu possa fazer isso eu agradeço.
ID
poderia ser mais conveniente utilizar oCPF
do aluno, uma vez que, por natureza, o mesmo é intransferível e inalterável. Dessa forma, você pode acessar os dados do aluno, muitos anos após o mesmo ter deixado a instituição de ensino.