在 Pandas DataFrame 中按顺序编号重复项答案

【问题标题】：Number duplicates sequentially in Pandas DataFrame在 Pandas DataFrame 中按顺序编号重复项
【发布时间】：2017-01-21 17:43:34
【问题描述】：

我有一个 Pandas DataFrame，它有一列基本上是外键，如下所示：

Index   |  f_key  |    values
  0     |    1    |     red 
  1     |    2    |     blue 
  2     |    1    |     green 
  3     |    2    |     yellow 
  4     |    3    |     orange 
  5     |    1    |     violet

我想要添加一个按顺序标记重复外键的列，如下面的“dup_number”：

Index   | dup_number |  f_key  |    values
  0     |     1      |    1    |     red 
  1     |     1      |    2    |     blue 
  2     |     2      |    1    |     green 
  3     |     2      |    2    |     yellow 
  4     |     1      |    3    |     orange 
  5     |     3      |    1    |     violet

如果需要，行可以重新排序，我只需要在其中获取“dup_number”键。我编写了以下代码，效果很好，它给了我一个系列，然后我可以将其添加到 DataFrame 中，但它非常慢（for 循环是什么消磨时间），而且我觉得它比需要的复杂得多：

df = pd.DataFrame({'f_key': [1,2,1,2,3,1], 'values': ['red', 'blue', 'green', 'yellow', 'orange', 'violet']})
df_unique = df['f_key'].drop_duplicates().reset_index(drop=True)
dup_number = pd.DataFrame(columns = ['dup_number', 'temp_index'])
for n in np.arange(len(df_unique)):
    sub_df = df.loc[df['f_key'] == df_unique[n]].reset_index()
    dup_index = pd.DataFrame({'dup_number': sub_df.index.values[:]+1, 'temp_index': sub_df['index']})
    dup_number = dup_number.append(dup_index)
dup_number = dup_number.set_index(dup_number['temp_index'].astype(int))
dup_number = dup_number['dup_number'].sort_index()

任何关于更快/更简单方法的建议都非常感谢！

【问题讨论】：

标签： python pandas dataframe duplicates foreign-keys

【解决方案1】：

您可以使用cumcount()

df['dup_number'] = df.groupby(['f_key']).cumcount()+1

           f_key  values  dup_number
    0      1     red           1
    1      2    blue           1
    2      1   green           2
    3      2  yellow           2
    4      3  orange           1
    5      1  violet           3

【讨论】：

【解决方案2】：

以下是与this question 中列出的解决方案类似的解决方案。这是适用于此处的答案之一的修改版本：

import pandas as pd
df = pd.DataFrame({'index':[0,1,2,3,4,5],'f_key':[1,2,1,2,3,1]
              ,'values':['red','blue','green','yellow','orange','violet']})

df['duplicate_num']=df.sort_values('index') \
    .groupby('f_key') \
    .cumcount() + 1

本质上，我们将窗口函数（概念上）应用于数据帧，并为重复外键值的每个实例（按索引排序）生成一个行号。

【讨论】：