如何根据 groupby 操作生成的组获取 pandas DataFrame 的组 ID 值列

Question

我有一个 DataFrame，我想用几列 groupby。我知道之后如何聚合数据，或者查看每个索引元组。但是，我不确定将每个组的“组号”附加到原始数据框的列中的最佳方法：

例如，我有一个数据框 df，有两个索引（a_id 和 b_id），我想将它们用于使用 groupby 对 df 进行分组。

import pandas as pd
a = pd.DataFrame({'a_id':['q','q','q','q','q','r','r','r','r','r'],
                  'b_id':['m','m','j','j','j','g','g','f','f','f'],
                  'val': [1,2,3,4,5,6,7,8,9,8]})

# Output:
  a_id b_id  val
0    q    m    1
1    q    m    2
2    q    j    3
3    q    j    4
4    q    j    5
5    r    g    6
6    r    g    7
7    r    f    8
8    r    f    9
9    r    f    8

当我进行 groupby 时，我不想聚合所有内容，我只想添加一个列 group_id，其中包含一个表示组的整数。但是，我不确定是否有一种简单的方法可以做到这一点。我当前的解决方案包括反转 GroupBy.indices 字典，将其转换为系列，并将其附加到数据框中，如下所示：

gb = a.groupby(['a_id','b_id'])
dict_g = dict(enumerate(gb.indices.values()))
dict_g_reversed = {x:k for k,v in dict_g.items() for x in v}
group_ids = pd.Series(dict_g_reversed)
a['group_id'] = group_ids

尽管group_id 索引的顺序不正确，但这给了我想要的东西。这似乎应该是一个简单的功能，但我不确定为什么它似乎不是。例如，我知道在 MATLAB 中，他们有一个 findgroups，它完全符合我的要求。到目前为止，我还没有在 pandas 中找到等价物。如何使用 pd DataFrame 完成此操作？

Answer 1

您可以使用ngroup 这将提供作为发生的顺序

a.groupby(['a_id','b_id']).ngroup()

或使用factorize

pd.factorize(list(map(tuple,a[['a_id','b_id']].values.tolist())))[0]+1
df['newid']=pd.factorize(list(map(tuple,a.values.tolist())))[0]+1