Python 创建Pandas/NumPy函数以查找序列中的值何时更改？

在数据帧中，我有一个名为“States”的列，它描述了各种事件发生的位置，因此许多行被重复，然后变为另一种状态：

States
- California
- California
- California
- California
- California
- New Mexico
- New Mexico
- New Mexico
- Hawaii
- California

我正在尝试运行一个pandas函数，该函数将为每个状态分配一个变量，但在每次状态更改时该变量都是唯一的。因此，即使状态重复，它们也不会得到与上次在列表中时相同的值。从上面的例子中，我可以得到：

new_column
- 1
- 1
- 1
- 1
- 1
- 2
- 2
- 2
- 3
- 4 #even though this is 'California', it's a new,unique value

我现在已经试过了

def new_id(stateVal):
    x = Kentucky #first state in the list that I'm comparing to
    y = 1 #the unique value
    if stateVal == x:
        return y
    elif stateVal != x:
        x == w
        y++
        return y
    else:
        return 0

---

当我将它应用到数据集中的STATE列时，它没有正常工作。Pandas或NumPy中是否有预定义的函数来帮助实现这一点？

您可以这样做，将每个元素与下一个元素进行比较：

count=1
for i,row in enumerate(df['state'] == df['state'].shift(-1)):
    if row:
        df.at[i,'new_column'] = count
    else:
        df.at[i,'new_column'] = count
        count+=1

df['new_column'] = df['new_column'].astype(int) #convert to int if necessary

也许有一种更干净的方法可以避免这种循环，但我认为这就是你想要的

编辑一条直线，给出相同的输出：

df['new_column'] = df['state'].ne(df['state'].shift()).cumsum()

---

y++

不是有效的python。但我正在绞尽脑汁寻找这方面的规范：/y++是否等同于y+=1？@DerekEden非常肯定，但它只是表明代码在发布之前实际上没有经过测试，或者是来自内存。在任何情况下，有一个简单的方法可以做到这一点，我只是有一个大脑屁试图找到它一行应该是显着更快，因为它的矢量化。对此，最初的方法也可以从答案中删除。太棒了！！非常感谢，我能够得到这些数字，而不必转换为int