Python Pandas 添加 DataRow 修订号答案

【问题标题】：Python Pandas Add DataRow Revision NumberPython Pandas 添加 DataRow 修订号
【发布时间】：2021-06-20 13:13:09
【问题描述】：

我有一个如下所示的数据框。我需要使用 ID 和 Serial 的组合并计算修订号。

ID	Serial	Time
48ff35eb-70ad-4dcd-a441-8c7c9966a236	ABC	12/31/2020 8:37:13 AM
78faedd8-a250-4e52-ac81-a29d46715a51	PQR	12/03/2019 1:30:00 AM
48ff35eb-70ad-4dcd-a441-8c7c9966a236	ABC	12/31/2020 8:37:13 AM
48ff35eb-70ad-4dcd-a441-8c7c9966a236	ABC	01/23/2021 5:18:44 PM
78faedd8-a250-4e52-ac81-a29d46715a51	ABC	10/23/2020 8:01:08 AM
48ff35eb-70ad-4dcd-a441-8c7c9966a236	ABC	01/20/2021 8:10:27 PM

预期结果：

ID	Serial	Time	Revision
48ff35eb-70ad-4dcd-a441-8c7c9966a236	ABC	12/31/2020 8:37:13 AM	1
78faedd8-a250-4e52-ac81-a29d46715a51	PQR	12/03/2019 1:30:00 AM	1
48ff35eb-70ad-4dcd-a441-8c7c9966a236	ABC	12/31/2020 8:37:13 AM	1
48ff35eb-70ad-4dcd-a441-8c7c9966a236	ABC	01/23/2021 5:18:44 PM	3
78faedd8-a250-4e52-ac81-a29d46715a51	ABC	10/23/2020 8:01:08 AM	1
48ff35eb-70ad-4dcd-a441-8c7c9966a236	ABC	01/20/2021 8:10:27 PM	2

我尝试了以下方法：

columns_of_interest = ["ID", "Serial"]
df["revision"] = df.groupby(columns_of_interest).cumcount() + 1

然后，我刚刚获得了每个组的行数，但我如何获得准确的版本号？

【问题讨论】：

标签： python python-3.x pandas python-3.8

【解决方案1】：

我想你正在寻找密集的rank：

# `rank` only works with numerical
df['Time'] = pd.to_datetime(df['Time'])

df['Revision'] = df.groupby(columns_of_interest)['Time'].rank(method='dense')

输出：

                                     ID Serial                Time  Revision
0  48ff35eb-70ad-4dcd-a441-8c7c9966a236    ABC 2020-12-31 08:37:13       1.0
1  78faedd8-a250-4e52-ac81-a29d46715a51    PQR 2019-12-03 01:30:00       1.0
2  48ff35eb-70ad-4dcd-a441-8c7c9966a236    ABC 2020-12-31 08:37:13       1.0
3  48ff35eb-70ad-4dcd-a441-8c7c9966a236    ABC 2021-01-23 17:18:44       3.0
4  78faedd8-a250-4e52-ac81-a29d46715a51    ABC 2020-10-23 08:01:08       1.0
5  48ff35eb-70ad-4dcd-a441-8c7c9966a236    ABC 2021-01-20 20:10:27       2.0

【讨论】：

@Manakin 感谢您指出这一点。我没有仔细看输出。更新了答案。

【解决方案2】：

分两步，首先让我们删除重复项，对值进行排序并按ID 和Serial 创建一个计数器。

然后我们可以向前填充任何缺失的重复值：

df['Revision'] = df.index.map(df.drop_duplicates(subset=['ID','Serial','Time'],keep='first')\
                   .sort_values('Time').groupby(['ID','Serial']).cumcount() + 1)

df['Revision'] = df.groupby(['ID','Serial'])['revision'].ffill().astype(int)


                                     ID Serial                Time  Revision
0  48ff35eb-70ad-4dcd-a441-8c7c9966a236    ABC 2020-12-31 08:37:13         1
1  78faedd8-a250-4e52-ac81-a29d46715a51    PQR 2019-12-03 01:30:00         1
2  48ff35eb-70ad-4dcd-a441-8c7c9966a236    ABC 2020-12-31 08:37:13         1
3  48ff35eb-70ad-4dcd-a441-8c7c9966a236    ABC 2021-01-23 17:18:44         3
4  78faedd8-a250-4e52-ac81-a29d46715a51    ABC 2020-10-23 08:01:08         1
5  48ff35eb-70ad-4dcd-a441-8c7c9966a236    ABC 2021-01-20 20:10:27         2

【讨论】：