Python 一种确定两系列码之间一致编码的算法

我遇到一个问题，我试图使用人行横道将数据集中的代码

a

与代码

B

相匹配。例如，这些可能是1990年和1991年的行业代码，人口普查改变了他们对行业的编码方式。如果我可以创建一个协调代码，我可以使用该代码来跟踪相同的行业（或新的行业组，如果必要的话）。它们提供了一条人行横道，如下所示：

将熊猫作为pd导入
将numpy作为np导入
df=pd.DataFrame([
[0,0],
[1,2],
[1,3],
[2,4],
[3,4],
[4,5],
[4,6],
[5,5],
[10,11],
[10,13],
[11,11]
]，columns=list（'AB'））
df
A B
0    0   0
1    1   2
2    1   3
3    2   4
4    3   4
5    4   5
6    4   6
7    5   5
8   10  11
9   10  13
10  11  11

因此，我想要的输出将是一个新列，它定义了

a

和

B

中的非重叠代码。例如，考虑下面的预期结果：

abc
0    0   0  0.0
1    1   2  1.0
2    1   3  1.0
3    2   4  2.0
4    3   4  2.0
5    4   5  3.0
6    4   6  3.0
7    5   5  3.0
8   10  11  4.0
9   10  13  4.0
10  11  11  4.0

我已经开始通过先完成简单的部分来回答这个问题。这些是（一对多）

1:m

和（多对一）

m:1

匹配，我可以简单地分配一个公共值

sizesA=df.groupby（'A'）.size（）
sizeb=df.groupby（'B'）.size（）
df['sizeA']=df['A'].地图（sizesA）
df['sizeB']=df['B'].map（sizeB）
df['C']=np.nan
next_v=0
#1:m匹配
对于df[df.sizeA>=1]中的a.unique（）：
如果df[df.A==A]['sizeB'].max（）==1：
df['C']=np.其中（df['A']==A，next_v，df['C']））
下一个_v+=1
#m:1匹配
对于df[df.sizeB>1].b.unique（）中的b：
如果df[df.B==B]['sizeA'].max（）==1：
df['C']=np.其中（df['B']==B，next_v，df['C']））
下一个_v+=1
df
A B尺寸A尺寸B C
0    0   0      1      1  0.0
1    1   2      2      1  1.0
2    1   3      2      1  1.0
3    2   4      1      2  2.0
4    3   4      1      2  2.0
5452Nan
64621Nan
75112Nan
810112NAN
9 10 13 2 1南
1011112南

问题在于（多对多）

m:m

匹配。我似乎想不出一个好办法来解决这个问题，我猜这是一个计算上很难解决的问题。请注意，我可以只在单个代码上分配剩余的值，但这将忽略一个事实，即我可以将它们划分为两个不同的代码，并且仍然保持一致性

---

另外，如果您对标题有任何建议，请告诉我

C需要从0开始还是可以从1开始？我只是减去1，这样你就可以从0开始。你可以根据自己的需要调整它

使用cumcount和cumsum应该会更容易

df['C'] = ((df.groupby('A').cumcount()==0) & (df.groupby('B').cumcount()==0)).cumsum()-1

print(df)

print(df)

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

---

我真的想出了一个解决办法。也许没那么优雅

ungroup=df['A'].unique（）.tolist（）
new=pd.Series（index=sorted（df['A'].unique（））
Bnew=pd.Series（index=sorted（df['B'].unique（）））
g=0
Avals=[未分组的[0]]
尽管如此：
Bvals=df[df['A'].isin（Avals）].B.unique（）.tolist（）
Acheck=df[df['B'].isin（Bvals）].A.unique（）.tolist（）
如果设置（Acheck）=设置（Avals）：
重新定位[Avals]=g
b新位置[Bvals]=g
g+=1
ungrouped=[如果a不在Avals中，则a表示在ungrouped中的a]
如果len（未分组）=0：
打破
Avals=[未分组的[0]]
其他：
阿瓦拉斯=阿切克
df['C']=df['A'].map（新）
df
A、B、C
0    0   0  0.0
1    1   2  1.0
2    1   3  1.0
3    2   4  2.0
4    3   4  2.0
5    4   5  3.0
6    4   6  3.0
7    5   5  3.0
8   10  11  4.0
9   10  13  4.0
10  11  11  4.0

当我在更大的人行横道上运行时，这似乎对我不起作用。我需要一些时间来更好地解释为什么/在什么情况下它会失败。但无论如何，我想我找到了一个有效的算法。我也会发布的。但如果一条线有效，那就太好了。不用担心，我很高兴你找到了一个有效的解决方案。我很好奇，它跑到哪里去了，我想知道我是否误解了这个要求。