讲师中心 微信公众号

工具推荐

视频效率加速
立刻MV
立刻MV

低成本歌曲 MV、视频生成

SoundView
SoundView

字幕擦除翻译、配音口型同步

Laper
Laper

剧本策划到成片协作

剧云
剧云

中文短剧剧本制作平台

如何在 Pandas 中为每组数据添加按时间顺序递增的累计计数列

轻静君_8076

轻静君_8076

发布时间:2026-11-19 13:09:10

|

377人浏览过

|

来源于php中文网

原创

如何在 Pandas 中为每组数据添加按时间顺序递增的累计计数列

本文介绍如何使用 pandas.groupby().cumcount() 为按时间排序的分组数据生成“第几次出现”的序号列,适用于动物收容所等需追踪同一实体多次事件的场景。

本文介绍如何使用 `pandas.groupby().cumcount()` 为按时间排序的分组数据生成“第几次出现”的序号列,适用于动物收容所等需追踪同一实体多次事件的场景。

在处理时序性重复记录(如同一动物多次入舍/离舍)时,常需标识每条记录在其所属个体历史中的顺序位置(例如“第1次入舍”“第2次入舍”)。关键在于:既要按个体分组,又要确保组内记录严格按时间先后排序,否则累计计数将失去业务意义。

实现该目标的核心步骤如下:

  1. 确保时间列已转为 datetime 类型:便于准确排序与后续分析;
  2. 按分组键(如 'Animal ID')和时间列联合排序:这是正确累计的前提;
  3. 使用 groupby().cumcount() + 1 生成从1开始的序号列:cumcount() 返回从0开始的累积索引,加1后即得自然序号。

以下为完整可运行示例:

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'Animal ID': [1, 2, 1, 3, 2],
    'Intake Date': [
        '12/07/2017 02:07:00 PM',
        '12/08/2017 01:10:00 PM',
        '01/06/2018 12:03:00 PM',
        '01/07/2018 01:10:00 PM',
        '01/08/2018 04:15:00 PM'
    ]
})

# 步骤1:转换时间列为 datetime,并排序(关键!)
df['Intake Date'] = pd.to_datetime(df['Intake Date'])
df = df.sort_values(['Animal ID', 'Intake Date']).reset_index(drop=True)

# 步骤2:生成累计访问序号
df['Shelter Visits'] = df.groupby('Animal ID').cumcount() + 1

print(df)

输出结果:

   Animal ID         Intake Date  Shelter Visits
0         1 2017-12-07 14:07:00                 1
1         1 2018-01-06 12:03:00                 2
2         2 2017-12-08 13:10:00                 1
3         2 2018-01-08 16:15:00                 2
4         3 2018-01-07 13:10:00                 1

✅ 注意事项:

  • 若原始数据未按时间排序,必须先调用 sort_values(),否则 cumcount() 仅按原始行序计数,无法反映真实时间顺序;
  • 对于“出入所匹配”类分析,建议对 intake 和 outcome 两个 DataFrame 分别独立执行相同逻辑,再通过 'Animal ID' + 'Shelter Visits' 双键合并,可精准关联同一次收容周期的入出记录;
  • 如需支持多级分组(如按 Animal ID + Species),只需将列名列表传入 groupby(),例如 groupby(['Animal ID', 'Species'])。

此方法简洁高效,是 Pandas 中处理“分组内时序编号”问题的标准实践。

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热门AI工具

更多
咔片AIPPT

一款在线AI演示文稿制作工具,可根据主题和内容需求辅助生成PPT结构与页面,提高演示材料制作效率。

笔灵降AI

一款AI论文写作工具,主要用于论文降AI神器,适配知网及维普!一键降至安全线,100%保留原文格式;无口语化问题,文风更学术,降后字数控制最佳!,适合需要提升相关任务效率的用户。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

函子Zion

一款支持AI搭建、可视化编辑和多端发布的全栈无代码开发平台。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

Laper
Laper Hot

Laper是专为编剧、导演和制片人推出的 AI 原生剧本创作工具。

Lovart
Lovart Hot

一款面向视觉设计创作的AI设计平台,可通过智能体和画布工作流辅助制作海报、Logo、网页、PPT及其他视觉内容。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

VibeKnow
VibeKnow Hot

一款AI视频创作工具,主要用于全球首个AI知识视频创作平台,文档、文章、网页,一键生成视频,适合需要提升相关任务效率的用户。

相关专题

更多
Python 时间序列分析与预测
Python 时间序列分析与预测

本专题专注讲解 Python 在时间序列数据处理与预测建模中的实战技巧,涵盖时间索引处理、周期性与趋势分解、平稳性检测、ARIMA/SARIMA 模型构建、预测误差评估,以及基于实际业务场景的时间序列项目实操,帮助学习者掌握从数据预处理到模型预测的完整时序分析能力。

360

2025.12.04

Python 数据清洗与预处理实战
Python 数据清洗与预处理实战

本专题系统讲解 Python 在数据清洗与预处理中的核心技术,包括使用 Pandas 进行缺失值处理、异常值检测、数据格式化、特征工程与数据转换,结合 NumPy 高效处理大规模数据。通过实战案例,帮助学习者掌握 如何处理混乱、不完整数据,为后续数据分析与机器学习模型训练打下坚实基础。

292

2026.01.31

Python数据分析与Pandas高级实战
Python数据分析与Pandas高级实战

本专题围绕 Python 数据分析展开,系统讲解 Pandas 的高级用法,包括数据清洗、透视表、时间序列分析以及多表合并与分组操作。通过实战案例,帮助开发者掌握高效处理与分析数据的方法,提高数据处理效率与分析能力。

1011

2026.04.13

GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

20

2026.11.17

GoFrame框架安装与gf命令行工具
GoFrame框架安装与gf命令行工具

本专题围绕GoFrame框架的安装与工具链配置展开,讲清Go版本要求、gf命令行的安装方式、代理镜像与依赖准备,说明项目初始化、热编译、交叉编译打包的做法,并整理安装阶段的常见报错与验证步骤。

20

2026.11.17

GoFrame框架零基础入门
GoFrame框架零基础入门

本专题整理GoFrame框架的入门知识,从模块化设计理念、环境准备到跑通第一个Web服务,讲清目录分层、配置加载、日志与中间件的用法,并对比Gin、Go-Zero的差异,帮助Go开发者建立整体认知。

20

2026.11.17

SQLAlchemy 一对多关系怎么建立
SQLAlchemy 一对多关系怎么建立

SQLAlchemy 一对多关系怎么建立?本专题整理父子表外键、relationship 双向映射、关联查询、级联删除和加载优化等相关文章,帮助你理解并实现常见的 ORM 关系建模。

20

2026.11.17

SQLAlchemy 如何增删改查
SQLAlchemy 如何增删改查

SQLAlchemy 如何增删改查?本专题整理 ORM 新增记录、条件查询、更新和删除、Session 事务提交与批量处理等实用文章,帮助你掌握 Python 数据库操作流程。

20

2026.11.17

SQLAlchemy ORM 模型怎么写
SQLAlchemy ORM 模型怎么写

SQLAlchemy ORM 模型怎么写?本专题整理模型类定义、Mapped 字段映射、主键与约束、表结构创建和常见报错的相关文章,帮助你从基础配置到实际建模逐步掌握 SQLAlchemy。

20

2026.11.17

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn