Python 枚举数据帧中每个组的每一行

在pandas中，如何添加一个新列，该列根据给定的分组枚举行

例如，假设以下数据帧：

import pandas as pd
import numpy as np

a_list = ['A', 'B', 'C', 'A', 'A', 'C', 'B', 'B', 'A', 'C']
df = pd.DataFrame({'col_a': a_list, 'col_b': range(10)})
df
  col_a  col_b
0     A      0
1     B      1
2     C      2
3     A      3
4     A      4
5     C      5
6     B      6
7     B      7
8     A      8
9     C      9

我想添加一个

列c

，它根据

列a

的分组和

列b

的排序给出“组”的第n行

期望输出：

  col_a  col_b  col_c
0     A      0      1
3     A      3      2
4     A      4      3
8     A      8      4
1     B      1      1
6     B      6      2
7     B      7      3
2     C      2      1
5     C      5      2
9     C      9      3

我正在努力进入

col\u c

。您可以使用

.sort\u index（by=['col\u a'，'col\u b']）

进行适当的分组和排序，现在只需找到新的列并标记每一行。

在这种情况下：

df['col_c'] = g.cumcount()

正如文件中所说：

将每组中的每个项目编号，从0到该组的长度-1

---

原始答案（在定义cumcount之前）

您可以创建一个助手函数来执行此操作：

def add_col_c(x):
    x['col_c'] = np.arange(len(x))
    return x

按列colu_a进行第一次排序：

In [11]: df.sort('col_a', inplace=True)

然后在每个组中应用此功能：

In [12]: g = df.groupby('col_a', as_index=False)

In [13]: g.apply(add_col_c)
Out[13]:
  col_a  col_b  col_c
3     A      3      0
8     A      8      1
0     A      0      2
4     A      4      3
6     B      6      0
1     B      1      1
7     B      7      2
9     C      9      0
2     C      2      1
5     C      5      2

---

为了得到

1,2，…

您可以使用

np.arange（1，len（x）+1）

您可以定义自己的函数来处理：

In [58]: def func(x):
   ....:     x['col_c'] = x['col_a'].argsort() + 1 
   ....:     return x
   ....: 

In [59]: df.groupby('col_a').apply(func)
Out[59]: 
  col_a  col_b  col_c
0     A      0      1   
3     A      3      2   
4     A      4      3   
8     A      8      4   
1     B      1      1   
6     B      6      2   
7     B      7      3   
2     C      2      1   
5     C      5      2   
9     C      9      3

---

给出的答案都涉及为每个组调用一个python函数，如果您有许多组，那么向量化方法应该更快（我没有检查）

以下是我纯粹的建议：

In [5]: df.sort(['col_a', 'col_b'], inplace=True, ascending=(False, False))
In [6]: sizes = df.groupby('col_a', sort=False).size().values
In [7]: df['col_c'] = np.arange(sizes.sum()) - np.repeat(sizes.cumsum() - sizes, sizes)
In [8]: print df
  col_a  col_b  col_c
9     C      9      0
5     C      5      1
2     C      2      2
7     B      7      0
6     B      6      1
1     B      1      2
8     A      8      0
4     A      4      1
3     A      3      2
0     A      0      3

---

这基本上回答了这个问题——尽管gjreda要求列举按col_b排序的col_a。真棒，谢谢@AndyHayden。知道这将是一个groupby，但却不知道如何正确地应用它。