python - 识别重复值并向其附加唯一字符串

Question

假设我有以下 DataFrame:

df = pd.DataFrame({"my_col": ["one","two","two","one","two","one","one"]})

  my_col
0    one
1    two
2    two
3    one
4    two
5    one
6    one

我想在重复值上附加一个字符串及其重复计数。这就是我的意思:

   my_col
0  one_0
1  two_0
2  two_1
3  one_1
4  two_2
5  one_2
6  one_3

我知道我可以做类似 df.groupby('my_col').apply(my_function_to_do_this) 的事情:

def my_function_to_do_this(group: pd.DataFrame) -> pd.DataFrame:
    str_to_append = pd.Series(range(group.shape[0]), index=group.index).astype(str)
    group["my_col"] += "_" + str_to_append
    return group

但是对于包含许多最多 4 行的小组的大型 DataFrame 来说，这非常慢。

如果有的话，我正在努力寻找一种更快的方法。

非常感谢您的帮助!

Answer 1

使用GroupBy.cumcount对于计数器，转换为字符串并添加到原始 Series.str.cat :

df['my_col'] = df['my_col'].str.cat(df.groupby('my_col').cumcount().astype(str), sep='_')
print (df)
  my_col
0  one_0
1  two_0
2  two_1
3  one_1
4  two_2
5  one_2
6  one_3

或通过+加入:

df['my_col'] += '_' +  df.groupby('my_col').cumcount().astype(str)
#longer version
#df['my_col'] = df['my_col'] + '_' +  df.groupby('my_col').cumcount().astype(str)