如何在给定有序数字系列的情况下创建唯一的 id 列？

Question

我正在使用具有以下结构的大型数据框列：

在：

df1 = pd.DataFrame({'A': [0,0,0,1,2,0,1,0,1,2,3,4,5,6,7]})

输出：

    A
0   0
1   0
2   0
3   1
4   2
5   0
6   1
7   0
8   1
9   2
10  3
11  4
12  5
13  6
14  7

如您所见，A 是一个从 0 到 n 的有序序列。这代表了我数据中的一个顺序。例如：

    A
2   0
3   1
4   2
5   0

让我们取一大块df1（从索引2 到5），在A 列中，0 代表序列的开始，2 代表序列的结束。另一方面，如果没有连续的数字（例如0），则表示该序列结束。因此，我的问题是如何有效地生成一个新列（例如id），该列由基于A 数字顺序的唯一键或数字一致：

      A                             id
0     0 ->  begin and ends          1                

1     0 ->  begin and ends          2

2     0 ->  begin                   3
3     1 ->  continue                3
4     2 ->  ends                    3

5     0 ->  begin                   4
6     1 ->  ends                    4

7     0 ->  begin                   5
8     1 ->  continue                5
9     2 ->  continue                5
10    3 ->  continue                5
11    4 ->  continue                5
12    5 ->  continue                5
13    6 ->  continue                5
14    7 ->  ends                    5

为了更清楚，我添加了一个图表。

Answer 1

我认为你可以使用：

print ((df1.A.diff() < 1).cumsum() + 1)
0     1
1     2
2     3
3     3
4     3
5     4
6     4
7     5
8     5
9     5
10    5
11    5
12    5
13    5
14    5
Name: A, dtype: int32

在diff 之后处理NaN 更一般：

dif = df1.A.diff()
dif.iloc[0] = df1.loc[0,'A']
print ((dif < 1).cumsum())
0     1
1     2
2     3
3     3
4     3
5     4
6     4
7     5
8     5
9     5
10    5
11    5
12    5
13    5
14    5
Name: A, dtype: int32

解释：

首先通过diff找到差异：

dif = df1.A.diff()
print (dif)
0     NaN
1     0.0
2     0.0
3     1.0
4     1.0
5    -2.0
6     1.0
7    -1.0
8     1.0
9     1.0
10    1.0
11    1.0
12    1.0
13    1.0
14    1.0
Name: A, dtype: float64

然后将第一个值 (NaN) 设置为原始值：

dif.iloc[0] = df1.loc[0,'A']

获取掩码：

print (dif < 1)
0      True
1      True
2      True
3     False
4     False
5      True
6     False
7      True
8     False
9     False
10    False
11    False
12    False
13    False
14    False
Name: A, dtype: bool

最后使用 cumsum 和布尔掩码：

print ((dif < 1).cumsum())
0     1
1     2
2     3
3     3
4     3
5     4
6     4
7     5
8     5
9     5
10    5
11    5
12    5
13    5
14    5
Name: A, dtype: int32