python - 在 Pandas : Python 的另一列中查找重复数字时如何生成一列序列号

Question

我正在使用以下字典并在 Pandas 中开发以在数据框中操作它:

    data = {"Value": [4, 4, 2, 1, 1, 1, 0, 7, 0, 4, 1, 1, 3, 0, 3, 0, 7, 0, 4, 1, 0, 1, 0, 1, 4, 4, 2, 3],
    "IdPar": [0, 0, 0, 0, 0, 0, 10, 10, 10, 10, 10, 0, 0, 22, 22, 28, 28, 28, 28, 0, 0, 38, 38 , 0, 0, 0, 0, 0]
    }

    df = pd.DataFrame(data)

我想实现的是，当它在 IdPar 列中找到重复的数字时，会在同一行中生成一个序列号，但会在名为 Count 的新列中生成，条件是如果找到 0，则在新列。接下来我展示我期望得到的:

      Value  IdPar  Count
    0     4       0     0
    1     4       0     0
    2     2       0     0
    3     1       0     0
    4     1       0     0
    5     1       0     0
    6     0      10     1
    7     7      10     2
    8     0      10     3
    9     4      10     4
    1     1      10     5
    1     1       0     0
    1     3       0     0
    1     0      22     1
    1     3      22     2
    1     0      28     1
    1     7      28     2
    1     0      28     3
    1     4      28     4
    1     1       0     0
    2     0       0     0
    2     1      38     1
    2     0      38     2
    2     1       0     0
    2     4       0     0
    2     4       0     0
    2     2       0     0
    2     3       0     0

我所做的是查看pandas信息，我尝试了很多功能，我发现使用 ne , shift , cumsum , groupby , pivot_table或 transform函数，但这不是我想要的结果:

    s = df.pivot_table(index = ['IdPar'], aggfunc = 'size')
    print(s)

     t = df['IdPar'].ne(df['IdPar'].shift()).cumsum()
    print(t)

    df ['Count'] = df['IdPar'].isin(df['Id_Par'])
    df ['Count'] = df.loc[df ['Count'] == True, 'IdPar']
    print(df)

我已经走了多远是在列中计算出现它的行前面的重复次数的总和或 IdPar 中数字的重复次数。列开始，这是下面的代码，但我也不想要:

     df['Count'] = df.groupby(['IdPar'])['Value'].transform('count')
     print(df['Count'])

我真的很感谢任何可以帮助我的人。任何评论都有帮助。

Answer 1

试试 cumcount :

df['Count'] = df.groupby('IdPar')['IdPar'].cumcount() + 1
df.loc[df['IdPar'] == 0, 'Count'] = 0
print(df)

或者在一行中尝试:

df['Count'] = df.groupby('IdPar').cumcount().add(1).mask(df['IdPar'].eq(0), 0)

两个代码输出:

    IdPar  Value  Count
0       0      4      0
1       0      4      0
2       0      2      0
3       0      1      0
4       0      1      0
5       0      1      0
6      10      0      1
7      10      7      2
8      10      0      3
9      10      4      4
10     10      1      5
11      0      1      0
12      0      3      0
13     22      0      1
14     22      3      2
15     28      0      1
16     28      7      2
17     28      0      3
18     28      4      4
19      0      1      0
20      0      0      0
21     38      1      1
22     38      0      2
23      0      1      0
24      0      4      0
25      0      4      0
26      0      2      0
27      0      3      0