python - Python Pandas 是否有办法指定一个列来计算值组合的每次出现？

Question

我有一个包含 22 列的 Pandas 数据框，用于处理建筑评估，但是，我只关注两个特定的列。这两列是数字建筑物 ID 和评估阶段，指示相应建筑物 ID 处于哪个阶段。基本上，我想做的是计算这两列中值组合的出现次数，并将这些计数存储在序数列。详情如下:

  Building ID   | Assessment Phase
-----------------------------------
  001                Phase 1
  002                Phase 2
  002                Phase 2
  003                Phase 3
  003                Phase 2
  003                Phase 3
  004                  Unk
  004                Phase 1
  005                Phase 2

您会注意到有重复的 ID 和看起来相同的评估。我想要按建筑物 ID 和评估阶段分组的每个类似事件的累积行数。它应该看起来像这样:

  Building ID   | Assessment Phase | Bldg_Phs_Ord
--------------------------------------------------
  001                Phase 1              1
  002                Phase 2              1
  002                Phase 2              2
  003                Phase 3              1
  003                Phase 3              2
  003                Phase 3              3
  004                  Unk                1         
  004                Phase 1              1
  005                Phase 2              1

可以看出，每个组合都有单独的计数。一些组合重复几次，其中每个后续组合都放在自己的行中。

我尝试过的是测试它是否正确输出:

test_cnt = bldg_df.groupby(['Building ID', 'Assessment Phase']).size().to_frame('COUNT').sort_values(by=['Building ID']).reset_index()

不幸的是，只要有多个重复组合，这就会将组合聚合在一起。

     Building ID   | Assessment Phase | COUNT
--------------------------------------------------
  001                Phase 1              1
  002                Phase 2              2
  003                Phase 3              3
  004                  Unk                1         
  004                Phase 1              1
  005                Phase 2              1

我应该添加什么才能返回每个单独的累积行数？

谢谢。

Answer 1

IIUC 你正在寻找 cumcount:

df["count"] = df.groupby(['Building ID', 'Assessment Phase']).cumcount()+1

print (df)

   Building ID Assessment Phase  count
0            1          Phase 1      1
1            2          Phase 2      1
2            2          Phase 2      2
3            3          Phase 3      1
4            3          Phase 3      2
5            3          Phase 3      3
6            4              Unk      1
7            4          Phase 1      1
8            5          Phase 2      1