如何根据另一行对行进行排序？

Question

我正在尝试将公式从 excel 转换为 pandas。

DataFrame 如下所示：

Column A    Column B 
H  
H  
H  
J  
J  
J  
J  
K  
K  

我想填充 B 列以增加，而 A 列中的值保持不变。在上面的示例中，这将是：

Column A     Column B
H            1
H            2
H            3
J            1
J            2
J            3
J            4
K            1
K            2

在 excel 中，公式为 =IF(A2<>A1,1,B1+1)

如何在 pandas 中应用这个公式？

Answer 1

这可以使用以下矢量化方法来完成：

代码：

>>> df = pd.DataFrame({'A':['H', 'H', 'H', 'J', 'J', 'J', 'J', 'K', 'K']})
>>> df['B'] = df.groupby((df['A'].shift(1) != df['A']).cumsum()).cumcount() + 1

输出：

>>> df
   A  B
0  H  1
1  H  2
2  H  3
3  J  1
4  J  2
5  J  3
6  J  4
7  K  1
8  K  2

说明：

首先，我们使用 df['A'].shift(1) != df['A'] 将 A 列与移动 1 的 A 列进行比较。这会产生：

>>> df['A'] != df['A'].shift(1)
0     True
1    False
2    False
3     True
4    False
5    False
6    False
7     True
8    False
Name: A, dtype: bool

接下来，我们使用cumsum() 返回该列的累积和。这给了我们：

>>> (df['A'] != df['A'].shift(1)).cumsum()
0    1
1    1
2    1
3    2
4    2
5    2
6    2
7    3
8    3
Name: A, dtype: int32

现在，我们可以像往常一样使用GroupBy.cumcount()来按升序枚举每个项目，加1表示索引从1开始。注意我们不能只使用

df.groupby('A').cumcount()

因为，例如，我们有：

>>> df
   A
0  H
1  H
2  H
3  J
4  J
5  J
6  J
7  K
8  K
9  H

这会给我们：

>>> df.groupby('A').cumcount() + 1
0    1
1    2
2    3
3    1
4    2
5    3
6    4
7    1
8    2
9    4
dtype: int64

请注意，最后一行是4，而不是预期的1。