在pandas数据框中，按组对行进行编号，并以递增顺序排列。

Question

给定以下数据框：

import pandas as pd
import numpy as np

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

    A   B
0   A   a 
1   A   a 
2   A   b 
3   B   a 
4   B   a 
5   B   a

我想创建一个名为'C'的列，按照列A和B中的每个组对行进行编号，如下所示：

    A   B   C
0   A   a   1
1   A   a   2
2   A   b   1
3   B   a   1
4   B   a   2
5   B   a   3

我到目前为止已经尝试过这个：

df['C'] = df.groupby(['A','B'])['B'].transform('rank')

...但是它不起作用！

- Dance Party2

Answer 1

使用groupby/cumcount：

In [25]: df['C'] = df.groupby(['A','B']).cumcount()+1; df
Out[25]: 
   A  B  C
0  A  a  1
1  A  a  2
2  A  b  1
3  B  a  1
4  B  a  2
5  B  a  3

- unutbu

---

@Gokulakrishnan所回答的rank()函数在处理分组列值为数字时表现更佳。 - paulperry

追问修辞问题：为什么通过阅读Pandas文档来找到这样的解决方案会变得如此困难？有时候即使是最简单的事情也需要花费很长时间才能弄清楚该怎么做。 - Steve Jorgensen

我认为这是正确的方法。rank()假设数据已经排序，但实际情况可能并非如此。 - Kocas

除非你想要每个组的有序统计标签，否则不要使用rank。 - mathtick

Answer 2

使用groupby.rank函数。以下是工作示例。

df = pd.DataFrame({'C1':['a', 'a', 'a', 'b', 'b'], 'C2': [1, 2, 3, 4, 5]})
df

C1 C2
a  1
a  2
a  3
b  4
b  5

df["RANK"] = df.groupby("C1")["C2"].rank(method="first", ascending=True)
df

C1 C2 RANK
a  1  1
a  2  2
a  3  3
b  4  1
b  5  2

- Gokulakrishnan

Answer 3

原帖的代码缺少获取正确输出所需的适当方法。

df['C'] = df.groupby(['A','B'])['B'].transform('rank', method='first')
df


    A   B     C
0   A   a   1.0
1   A   a   2.0
2   A   b   1.0
3   B   a   1.0
4   B   a   2.0
5   B   a   3.0

- cottontail