创建一个基于 Python 中的另一列递增的列答案

【问题标题】：Create a column which increments based on another column in Python创建一个基于 Python 中的另一列递增的列
【发布时间】：2012-10-23 13:41:52
【问题描述】：

我目前已将注意力从 R 转移到 Python。我经常在 R 中使用 data.table，我发现有时很难找到 Python 中某些函数的等价物。

我有一个看起来像这样的 pandas 数据框：

df = pd.DataFrame({'A':['abc','def', 'def', 'abc', 'def', 'def','abc'],'B':[13123 ,45,1231,463,142131,4839, 4341]})
     A       B  
0  abc   13123    
1  def      45  
2  def    1231  
3  abc     463  
4  def  142131  
5  def    4839
6  abc    4341

我需要创建一个基于A和B从1递增的列，以便它指示B的递增顺序。所以我首先创建排序数据框，我有兴趣创建的列是C为下面：

    A       B   C
1  abc     463  1
6  abc    4341  2
0  abc   13123  3
3  def      45  1
2  def    1231  2
5  def    4839  3
4  def  142131  4

在 R 中，使用 library(data.table)，这可以很容易地在一行中完成，并在原始数据表中创建一列：

df[, C := 1:.N, by=A]

我环顾四周，我想我可以利用这样的东西：

df.groupby('A').size()
或
df['B'].argsort()

但不确定如何从这里开始，以及如何将新列连接回原始数据框。如果有人能给我任何指示，那将非常有帮助。

非常感谢！

【问题讨论】：

这似乎是不正确的data.table 语法。你的意思是df[,C:=1:.N,by=A]？为什么要先setkey，你可以把它留给临时的。
是的，抱歉，我已经更正了 R 代码中的错字。感谢您指出。无论如何，我更感兴趣的是在 Python 中找到一种方法。
那还是错的。这将复制df 的整个，这是data.table 改进的R 的data.frame 的（有些差的）功能之一。你不可能经常使用data.table，错过了这个。
因为:= by group 是data.table 的主要功能。您已发布到 python 和 pandas 标签，所以作为data.table 的作者，我不希望看到data.table 在广大观众面前被不当使用。
好的，当然。我明白你的意思了。我已经修改了上面的 R 代码。

标签： python r pandas data.table

【解决方案1】：

In [61]: df
Out[61]:
     A       B
1  abc     463
6  abc    4341
0  abc   13123
3  def      45
2  def    1231
5  def    4839
4  def  142131

In [62]: df['C'] =  df.groupby('A')['A'].transform(lambda x: pd.Series(range(1, len(x)+1), index=x.index))

In [63]: df
Out[63]:
     A       B  C
1  abc     463  1
6  abc    4341  2
0  abc   13123  3
3  def      45  1
2  def    1231  2
5  def    4839  3
4  def  142131  4

【讨论】：

这行得通（除了排序的数据框实际上不同）。非常感谢！
从仅在 A 上排序的帧开始，我编辑此顺序现在与示例中的相同。
您好 Wouter，感谢您的详尽回答。作为后续问题，我如何创建一个从 B 的最小值枚举的列 ['D']，使其看起来像： [463, 464, 465, 45, 46, 47, 48] 在这个案子？（抱歉不知道如何在评论中正确格式化！）
实际上，我想我已经弄清楚了：df['D'] = df.groupby('A')['B'].transform(lambda x: pd.Series(range(min(x), min(x)+len(x)), index=x.index)) 效果很好！（我也想出了如何在评论中格式化）

【解决方案2】：

为了比较，正确的data.table 语法是：

df[, C := 1:.N, by=A]

这会通过引用df 添加一个新列 C。 := 运算符是 R 的 data.table 包的一部分。它允许您添加和删除列并分配给 data.table 的子集，按组，按引用，根本没有副本。

【讨论】：

这个操作的对偶有一个简称吗？比如说，如果我想解开一个重复增加的序列，而不是每次一列更改值时都重复。（如果不是快速回答，请告诉我，我会提出问题。谢谢。）

【解决方案3】：

索引魔法似乎是另一种方式：

df['C']=df.sort(['A','B'],inplace=True).groupby('A').reset_index().index.labels[1]

【讨论】：