python - 如何识别一列的数字连续且另一列的值相同？

Question

我有一个包含两列 A 和 B 的 DataFrame。

我想创建一个名为 C 的新列来标识具有相同 B 值的连续 A。

这是一个例子

import pandas as pd

df = pd.DataFrame({'A':[1,2,3,5,6,10,11,12,13,18], 'B':[1,1,2,2,3,3,3,3,4,4]})

我发现了类似的question ，但该方法仅识别连续的 A 而不管 B。

df['C'] = df['A'].diff().ne(1).cumsum().sub(1) 

我尝试对 B 进行分组并应用如下所示的函数:

df['C'] = df.groupby('B').apply(lambda x: x['A'].diff().ne(1).cumsum().sub(1))

但是，它不起作用:TypeError:插入列的索引与框架索引不兼容。

预期输出是

A   B   C
1   1   0
2   1   0
3   2   1
5   2   2
6   3   3
10  3   4
11  3   4
12  3   4
13  4   5
18  4   6

Answer 1

让我们使用 groupby 创建一个顺序计数器, diff和cumsum然后factorize重新编码计数器

df['C'] = df.groupby('B')['A'].diff().ne(1).cumsum().factorize()[0]

结果

    A  B  C
0   1  1  0
1   2  1  0
2   3  2  1
3   5  2  2
4   6  3  3
5  10  3  4
6  11  3  4
7  12  3  4
8  13  4  5
9  18  4  6