Python 基于多个IF条件使用新ID创建列

我试图根据其他列行中的值更改在新列中分配值。请参考给定的数据集

ID1-基于diff列，只要值不等于1，它就应该为上行中的ID分配一个新ID

ID2-当ID1内的区域更改时分配ID

ID3-在ID1和ID2中分配ID

当Indv列更改为新值时，上述三个ID都应从1开始

作为pd进口熊猫
#对列表数据进行初始化。
数据={'Indv'：[1,1,1,1,1,1,1,1,1,1,1,1,2,2]，
‘区域’：[‘A’、‘A’、‘A’、‘B’、‘B’、‘C’、‘C’、‘D’、‘A’、‘A’、‘C’]，
‘diff’：[1,1,10,1,1,1,1,10,1,1,1,1，-11,1,1]，
}
#CreateDataFrame
df=pd.DataFrame（数据）
#创建ID1
df['ID1']=1
#代码仅适用于ID1
对于范围内的i（len（df））：
j=i+1
如果（df['Indv'][i]！=df['Indv'][j]）：
df['session_ID'][j]=1
如果df['diff'][j]==1：
df['ID1'][j]=df['ID1'][i]
其他：
df['ID1'][j]=df['ID1'][i]+1
打破

具有预期结果的数据集-需要生成ID1、ID2和ID3列。 这是我的解决方案：

创建数据帧

声明用于查找id1和id2的函数：

创建id列

输出：

print(df.to_string())

    Indv Region1  diff  id1  id2  id3
0      1       A     1    1    1    1
1      1       A     1    1    1    2
2      1       A    10    2    1    1
3      1       A     1    2    1    2
4      1       B     1    2    2    1
5      1       B     1    2    2    2
6      1       B     1    2    2    3
7      1       C    10    3    1    1
8      1       C     1    3    1    2
9      1       C     1    3    1    3
10     1       D     1    3    2    1
11     2       A   -11    1    1    1
12     2       A     1    1    1    2
13     2       C     1    1    2    1

文件：

：基于映射器对行进行分组（这里我使用了一个或多个系列）

：对每个组应用一个函数（也会起作用）

：基于值的非相等元素返回一系列布尔值

：按给定的步长移动序列的索引

：返回序列的累积和。应用于布尔级数时，返回遇到的真值的累积和

：从0开始对组中的每个项目进行编号

---

你能创造吗？因为在输入数据中缺少ID，在输出数据中也只更改了ID2（如果输入也是ID1、ID2、ID3）。我在代码中做了一些更改，并且我的输入数据集只有三列：个体（Indv）、区域（Region）和差异（diff）。我正在尝试生成ID1、ID2和ID3列。这些列基于个人和地区的变化。@SrikanthAyithy：不客气，我添加了我使用的每个函数的文档，以便您在不清楚的情况下理解每个步骤：）

data={'Indv':[1,1,1,1,1,1,1,1,1,1,1,2,2,2],
'Region1':['A','A','A','A','B','B','B','C','C','C','D','A','A','C'],
'diff':[ 1,1,10,1,1,1,1,10,1,1,1,-11,1,1]
}
df = pd.DataFrame(data)

def createId1(group):
    cumsum = group.ne(1).cumsum()
    if cumsum.iloc[0] == 0:
        return cumsum + 1
    return cumsum

def createId2(group):
    return group.ne(group.shift(1)).cumsum()

df["id1"] = df.groupby(["Indv"])["diff"].transform(lambda group: createId1(group))
df["id2"] = df.groupby(["Indv", "id1"])["Region1"].transform(lambda group: createId2(group))
df["id3"] = df.groupby(["Indv", "id1", "id2"]).cumcount()+1

print(df.to_string())

    Indv Region1  diff  id1  id2  id3
0      1       A     1    1    1    1
1      1       A     1    1    1    2
2      1       A    10    2    1    1
3      1       A     1    2    1    2
4      1       B     1    2    2    1
5      1       B     1    2    2    2
6      1       B     1    2    2    3
7      1       C    10    3    1    1
8      1       C     1    3    1    2
9      1       C     1    3    1    3
10     1       D     1    3    2    1
11     2       A   -11    1    1    1
12     2       A     1    1    1    2
13     2       C     1    1    2    1