python - 枚举 DataFrame 中每个组的每一行

Question

在 pandas 中，我如何添加一个新列来枚举基于给定分组的行？

例如，假设有以下 DataFrame:

import pandas as pd
import numpy as np

a_list = ['A', 'B', 'C', 'A', 'A', 'C', 'B', 'B', 'A', 'C']
df = pd.DataFrame({'col_a': a_list, 'col_b': range(10)})
df

  col_a  col_b
0     A      0
1     B      1
2     C      2
3     A      3
4     A      4
5     C      5
6     B      6
7     B      7
8     A      8
9     C      9

我想添加 col_c这给了我基于 col_a 的分组的“组”的第 N 行和排序 col_b .

期望的输出:

  col_a  col_b  col_c
0     A      0      1
3     A      3      2
4     A      4      3
8     A      8      4
1     B      1      1
6     B      6      2
7     B      7      3
2     C      2      1
5     C      5      2
9     C      9      3

我正在努力去 col_c .您可以使用 .sort_index(by=['col_a', 'col_b']) 进行正确的分组和排序。 ，现在只需转到该新列并标记每一行。

Answer 1

有 cumcount ，对于这种情况:

df['col_c'] = g.cumcount()

正如文档中所说:

Number each item in each group from 0 to the length of that group - 1.

---

原始答案(在定义 cumcount 之前)。

您可以创建一个辅助函数来执行此操作:

def add_col_c(x):
    x['col_c'] = np.arange(len(x))
    return x

首先按col_a列排序:

In [11]: df.sort('col_a', inplace=True)

然后将此函数应用于每个组:

In [12]: g = df.groupby('col_a', as_index=False)

In [13]: g.apply(add_col_c)
Out[13]:
  col_a  col_b  col_c
3     A      3      0
8     A      8      1
0     A      0      2
4     A      4      3
6     B      6      0
1     B      1      1
7     B      7      2
9     C      9      0
2     C      2      1
5     C      5      2

为了得到1,2,...你可以使用 np.arange(1, len(x) + 1) .