Python 向数据帧添加重复索引

我有这样一个数据帧：

name      food
mike     pizza  
mike    cookie  
mike    banana  
mary     apple  
mary      pear  
jane  broccoli

id  name      food
 1  mike     pizza  
 1  mike    cookie  
 1  mike    banana  
 2  mary     apple  
 2  mary      pear  
 3  jane  broccoli

我想添加一个序列整数列，它是name所独有的，如下所示：

name      food
mike     pizza  
mike    cookie  
mike    banana  
mary     apple  
mary      pear  
jane  broccoli

id  name      food
 1  mike     pizza  
 1  mike    cookie  
 1  mike    banana  
 2  mary     apple  
 2  mary      pear  
 3  jane  broccoli

有没有优雅的熊猫一号（或二号）班轮可以做到这一点？我对熊猫还不熟悉，我怀疑有一种方法可以使用groupby和lambda的组合来实现，但我没有取得任何进展。

你可以让

df['id'] = (df.name != df.name.shift(1)).cumsum()

你可以让

df['id'] = (df.name != df.name.shift(1)).cumsum()

试试这个：

df.set_index((~df.name.duplicated()).cumsum())
      name      food
name                
1     mike   pizza  
1     mike  cookie  
1     mike  banana  
2     mary   apple  
2     mary    pear  
3     jane  broccoli

试试这个：

df.set_index((~df.name.duplicated()).cumsum())
      name      food
name                
1     mike   pizza  
1     mike  cookie  
1     mike  banana  
2     mary   apple  
2     mary    pear  
3     jane  broccoli

---

您可以使用

pd.factorize

：

df['Id'] = pd.factorize(df['name'])[0] + 1

输出：

   name      food  Id
0  mike     pizza   1
1  mike    cookie   1
2  mike    banana   1
3  mary     apple   2
4  mary      pear   2
5  jane  broccoli   3

    name      food
Id                
1   mike     pizza
1   mike    cookie
1   mike    banana
2   mary     apple
2   mary      pear
3   jane  broccoli

然后设置索引Id：

df.set_index('Id')

输出：

   name      food  Id
0  mike     pizza   1
1  mike    cookie   1
2  mike    banana   1
3  mary     apple   2
4  mary      pear   2
5  jane  broccoli   3

    name      food
Id                
1   mike     pizza
1   mike    cookie
1   mike    banana
2   mary     apple
2   mary      pear
3   jane  broccoli

---

您可以使用

pd.factorize

：

df['Id'] = pd.factorize(df['name'])[0] + 1

输出：

   name      food  Id
0  mike     pizza   1
1  mike    cookie   1
2  mike    banana   1
3  mary     apple   2
4  mary      pear   2
5  jane  broccoli   3

    name      food
Id                
1   mike     pizza
1   mike    cookie
1   mike    banana
2   mary     apple
2   mary      pear
3   jane  broccoli

然后设置索引Id：

df.set_index('Id')

输出：

   name      food  Id
0  mike     pizza   1
1  mike    cookie   1
2  mike    banana   1
3  mary     apple   2
4  mary      pear   2
5  jane  broccoli   3

    name      food
Id                
1   mike     pizza
1   mike    cookie
1   mike    banana
2   mary     apple
2   mary      pear
3   jane  broccoli

---

df[“name”].astype（“category”）.cat.code对每个姓名都是唯一的，或者对每个连续的姓名分组都是唯一的（张贴的答案似乎完成了这一点）。对于排序后的数据帧，它们可能是相同的，但通常不是。
df.groupby（'name'，sort=False）。ngroup（）+1
可能就是您想要的。每个名称都是唯一的，计数器基于数据框中的出现情况，而不是任何字典排序。
df[“name”].astype（“category”）.cat.code对每个名称都是唯一的，或者对每个连续的名称分组都是唯一的（发布的答案似乎完成了）。对于排序后的数据帧，它们可能是相同的，但通常不是。
df.groupby（'name'，sort=False）。ngroup（）+1
可能就是您想要的。每个名称都是唯一的，计数器基于数据帧中的出现情况，而不是任何字典排序。如果
名称
值未排序怎么办？提供的示例表明它们是唯一的@Superduper？是的，在我的例子中，它们是被排序的，所以这个答案是有效的，但是对于一般用法，因子分解似乎更好。给未来的访问者一个提示：这个解决方案和公认的解决方案都可以工作，但在我的例子中，结果是设置了CopyWarning（jupteryLab 0.35.3中的python 3.7内核），如果
name
值没有排序怎么办？提供的示例表明它们是正确的@Superduper？是的，在我的例子中，它们是被排序的，所以这个答案是有效的，但是对于一般用法，因子分解似乎更好。给未来的访问者一个提示：这个解决方案和公认的解决方案都有效，但在我的例子中，结果是设置了CopyWarning（jupteryLab 0.35.3中的python 3.7内核）。所有其他答案都很好，坦白地说，我没有意识到我知道的是多么少——每个人的解决方案都会产生正确的数据帧索引——我不知道这是一件事；我只想要一列值，这和fuglede的解决方案在一行中完成。这一个似乎对排序不敏感，这是一个额外的好处。所有其他答案都很好，坦率地说，我不知道我知道的有多少——每个人的解决方案都会产生正确的数据帧索引——我不知道这是一件事；我只想要一列值，这和fuglede的解决方案在一行中完成。这一个似乎是排序不敏感，这是一个额外的好处。