高效为DataFrame数据列添加连续序号，并使相同值共享序号

本文介绍如何使用Python的pandas库，高效地为DataFrame数据列添加连续序号，且相同数据值共享同一序号。

问题描述： 需要根据DataFrame中某列的值，生成一个新的序号列。连续的相同值拥有相同的序号，不同的值则序号递增。例如，输入数据列[11, 21, 24, 24, 24, 25, 25, 26]，期望输出序号列[1, 2, 3, 3, 3, 4, 4, 5]。

解决方案： 利用pandas和numpy库，可以简洁地实现此功能。以下代码演示了如何使用numpy.cumsum和pandas.DataFrame.diff方法：

Galileo python sdk

Galileo AI 平台 Python SDK 完整参考，用于评估、监控和保护 GenAI 应用，适用于构建 Python 应用。

下载

立即学习“Python免费学习笔记（深入）”；

import numpy as np
import pandas as pd

data = [11, 21, 24, 24, 24, 24, 25, 25, 26, 26, 26, 26, 23, 26, 26, 26, 26, 20, 26, 26, 26, 26]
df = pd.DataFrame({'data': data, 'nums': 0})

df['nums'] = np.cumsum(df['data'].diff() != 0) +1

print(df)

代码首先创建一个包含'data'列的DataFrame，并初始化一个名为'nums'的序号列为0。 df['data'].diff()计算'data'列相邻元素的差值。!= 0判断差值是否为0，结果为布尔值序列。np.cumsum对布尔序列进行累加，得到最终序号。数据变化时，差值不为0，计数器加1；数据不变时，差值为0，计数器不变，实现相同数据共享相同序号。 最后加1是为了序号从1开始。

运行结果：

<code>    data  nums
0     11     1
1     21     2
2     24     3
3     24     3
4     24     3
5     24     3
6     25     4
7     25     4
8     26     5
9     26     5
10    26     5
11    26     5
12    23     6
13    26     7
14    26     7
15    26     7
16    26     7
17    20     8
18    26     9
19    26     9
20    26     9
21    26     9</code>

此方法高效简洁地解决了问题，np.cumsum巧妙地利用了布尔值序列的累加特性。