在pandas数据框中为分组添加顺序计数列

Question

我感觉有比这更好的方法：

import pandas as pd
df = pd.DataFrame(
    columns="   index    c1    c2    v1 ".split(),
    data= [
            [       0,  "A",  "X",    3, ],
            [       1,  "A",  "X",    5, ],
            [       2,  "A",  "Y",    7, ],
            [       3,  "A",  "Y",    1, ],
            [       4,  "B",  "X",    3, ],
            [       5,  "B",  "X",    1, ],
            [       6,  "B",  "X",    3, ],
            [       7,  "B",  "Y",    1, ],
            [       8,  "C",  "X",    7, ],
            [       9,  "C",  "Y",    4, ],
            [      10,  "C",  "Y",    1, ],
            [      11,  "C",  "Y",    6, ],]).set_index("index", drop=True)
def callback(x):
    x['seq'] = range(1, x.shape[0] + 1)
    return x
df = df.groupby(['c1', 'c2']).apply(callback)
print df

为了实现这个目标：

   c1 c2  v1  seq
0   A  X   3    1
1   A  X   5    2
2   A  Y   7    1
3   A  Y   1    2
4   B  X   3    1
5   B  X   1    2
6   B  X   3    3
7   B  Y   1    1
8   C  X   7    1
9   C  Y   4    1
10  C  Y   1    2
11  C  Y   6    3

有没有一种方法可以避免使用回调函数？

- Owen

Answer 1

使用 cumcount()，请参见此处的文档。

In [4]: df.groupby(['c1', 'c2']).cumcount()
Out[4]: 
0     0
1     1
2     0
3     1
4     0
5     1
6     2
7     0
8     0
9     0
10    1
11    2
dtype: int64

如果您想要以1开始的排序

In [5]: df.groupby(['c1', 'c2']).cumcount()+1
Out[5]: 
0     1
1     2
2     1
3     2
4     1
5     2
6     3
7     1
8     1
9     1
10    2
11    3
dtype: int64

- Jeff

Answer 2

如果您有一个类似下面的数据框，并且想要通过从c1或c2构建它来添加seq列，即在其他列中保持相似值（或直到出现标志）的运行计数，请继续阅读。

df = pd.DataFrame(
    columns="  c1      c2    seq".split(),
    data= [
            [ "A",      1,    1 ],
            [ "A1",     0,    2 ],
            [ "A11",    0,    3 ],
            [ "A111",   0,    4 ],
            [ "B",      1,    1 ],
            [ "B1",     0,    2 ],
            [ "B111",   0,    3 ],
            [ "C",      1,    1 ],
            [ "C11",    0,    2 ] ])

首先找到组的起始点，可以使用str.contains()（和eq()）等方法创建布尔Series，也可以使用lt()、ne()、isna()等任何创建布尔Series的方法。对其进行cumsum()操作，以创建一个每个组都具有唯一标识值的Series。然后将其用作groupby().cumsum()操作中的分组器。

总之，使用类似以下代码的代码。

# build a grouper Series for similar values
groups = df['c1'].str.contains("A$|B$|C$").cumsum()

# or build a grouper Series from flags (1s)
groups = df['c2'].eq(1).cumsum()

# groupby using the above grouper
df['seq'] = df.groupby(groups).cumcount().add(1)

- cottontail

Answer 3

这可能是有用的

df = df.sort_values(['userID', 'date'])
grp = df.groupby('userID')['ItemID'].aggregate(lambda x: '->'.join(tuple(x))).reset_index()
print(grp)

它将创建以下这样的序列：。

- Shaina Raza

Answer 4

Jeff's answer的代码整洁度不错，但我更喜欢显式排序……尽管通常在这些用例中不会覆盖我的df（例如Shaina Raza's answer）。

因此，要在每个（'c1'，'c2'）组内按'v1'创建一个新列：

df["seq"] = df.sort_values(by=['c1','c2','v1']).groupby(['c1','c2']).cumcount()

你可以用以下代码进行查看：

df.sort_values(by=['c1','c2','seq'])

或者，如果你想覆盖掉这个 df，那么：

df = df.sort_values(by=['c1','c2','seq']).reset_index()

- CreekGeek

Answer 5

你可以使用groupby和cumcount函数来实现你想要的结果。

import pandas as pd

data = {'col': ['A', 'B', 'A', 'A', 'A', 'A', 'A', 'B', 'B', 'A']}
df = pd.DataFrame(data)

df['counts'] = df.groupby('col').cumcount() + 1

df

- Siddhant Raj Mishra