pandas 为连续重复值自动生成分组编号

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

在实际数据处理中，我们经常会遇到需要对连续重复的值进行分组标记的需求。这种操作在时间序列分析、日志解析、数据分段等场景中非常有用。

在 Python 的 pandas 库中，我们可以巧妙地利用 shift() 和 cumsum() 方法来实现这一功能。本文将详细介绍如何用 pandas 高效地完成这一任务，并解释其中的关键步骤。无论你是数据分析师、数据科学家，还是 Python 开发者，这个技巧都能让你的数据处理更加灵活高效！

数据与需求

例如，你可能有一列水果名称 ['Apple', 'Apple', 'Orange', 'Orange', 'Banana']，想要给它们分配递增的编号，使得相同的连续值归为同一组，而一旦值变化，编号就 +1。

import pandas as pd

my_list = ['Apple', 'Apple', 'Orange', 'Orange','Orange','Banana']
df = pd.DataFrame(my_list, columns=['fruit'])
df
'''
    fruit
0   Apple
1   Apple
2  Orange
3  Orange
4  Orange
5  Banana
'''

最终结果应该为：

'''
    fruit  label
0   Apple      1
1   Apple      1
2  Orange      2
3  Orange      2
4  Orange      2
5  Banana      3
'''

思路

我们在这里提供三种解决思路来生成这个编码：

使用 pd.factorize() 来生成枚举值，取到枚举数字部分
按 fruit 进行分组，然后取每个组的编号
通过差异检测标记组起点，再累加生成分组ID，最终将连续相同值归类为同一数字标签。

代码

思路一的代码：

pd.factorize(df.fruit)
'''
(array([0, 0, 1, 1, 1, 2]),
 Index(['Apple', 'Orange', 'Banana'], dtype='object'))
'''

df.assign(label=pd.factorize(df.fruit)[0]+1)
'''
    fruit  label
0   Apple      1
1   Apple      1
2  Orange      2
3  Orange      2
4  Orange      2
5  Banana      3
'''

思路二的代码：

df.assign(label=df.groupby('fruit', sort=False).ngroup().add(1))
'''
    fruit  label
0   Apple      1
1   Apple      1
2  Orange      2
3  Orange      2
4  Orange      2
5  Banana      3
'''

思路三的代码：

df.assign(label=(df.fruit != df.fruit.shift()).cumsum())
'''
    fruit  label
0   Apple      1
1   Apple      1
2  Orange      2
3  Orange      2
4  Orange      2
5  Banana      3
'''

这样就完成了最终的需求。

（完）

pandas 为连续重复值自动生成分组编号

数据与需求

思路

代码

相关内容