如何在Pandas中实现SQL的ROW_NUMBER() OVER(PARTITION BY (SELECT NULL))功能？

问题背景 #

现有名为Mapping的表，结构如下：

Mapping
+---------+---------+
| user_id | prod_id |
+---------+---------+
|     41  |  N12ad  |
|      2  |  nd5Ed  |
|     73  |  bDe4d  |
|     25  |  M87he  |
+---------+---------+

需要添加ranking列，按照数据在数据库中的存储顺序为行编号，最终效果如下：

+---------+---------+---------+
| user_id | prod_id | ranking |
+---------+---------+---------+
|     41  |  N12ad  |      1  |
|      9  |  nd5Ed  |      2  |
|     73  |  bDe4d  |      3  |
|     25  |  M87he  |      4  |
+---------+---------+---------+

在Microsoft SQL中，实现代码为：

SELECT user_id, prod_id, ROW_NUMBER() OVER(PARTITION BY (SELECT NULL)) AS ranking
FROM Mapping

请问在Pandas中，与之等效的实现方式是什么？

解决方案 #

在Pandas里，有几种简洁的方式实现全局连续行号生成，对应SQL中的ROW_NUMBER() OVER(PARTITION BY (SELECT NULL))逻辑：

方法1：利用reset_index()生成序号 #

如果DataFrame没有自定义索引，或可以重置索引，直接通过重置索引并偏移1来得到从1开始的序号：

import pandas as pd

# 模拟Mapping表数据
df = pd.DataFrame({
    'user_id': [41, 2, 73, 25],
    'prod_id': ['N12ad', 'nd5Ed', 'bDe4d', 'M87he']
})

# 添加ranking列
df['ranking'] = df.reset_index(drop=True) + 1

方法2：直接生成连续序列 #

基于DataFrame的行数，用range()生成从1开始的连续序号：

df['ranking'] = range(1, len(df) + 1)

方法3：用groupby+cumcount()模拟分区逻辑 #

通过将整个DataFrame作为一个分组（对应SQL的PARTITION BY (SELECT NULL)），再用cumcount()计数后偏移1：

df['ranking'] = df.groupby(lambda x: True).cumcount() + 1

内容的提问来源于stack exchange，提问作者hokkaidi