您可以执行以下操作：

ids = df['id'].unique().tolist()
id_dict = {ids[i-1]:'id'+str(i) for i in range(1,len(ids)+1)}
df['id'] = df['id'].map(id_dict)

ids为您提供了唯一的id值，并为每个唯一的id分配了一个id +编号，如id_dict中所示。然后将dictMap到列上以获得新值。
请注意，您不需要担心值的顺序：unique()-保留值出现的顺序。
对于块：
如果你正在处理块，你可以做如下操作-只需要注意识别不可用的键和索引，并附加“id”：

id_dict = {}
dict_size = 0
for chunk in chunks:
    chunk_na = chunk.loc[~chunk['id'].isin(id_dict)]
    if len(chunk_na) > 0:
        na_ids = chunk_na['id'].unique().tolist()
        id_dict.update({na_ids[i-1-dict_size]:'id'+str(i) for i in range(dict_size+1,len(na_ids)+dict_size+1)}
        dict_size += len(id_dict)

    chunk['id'] = chunk['id'].map(id_dict)

尝试使用pd.factorize()

df['id'] = ['id{}'.format(i) for i in (pd.factorize(df['id'])[0]+1)]

或

df['id'] = np.char.add('id',(pd.factorize(df['id'])[0]+1).astype(str))

一种方法是使用hash_pandas_object()函数对id列进行散列。由于散列每次都是可复制的，因此您将拥有一个格式一致的ID，并且随着时间的推移保持不变。
以下是StackOverflow的答案：Get the same hash value for a Pandas DataFrame each time