如何基于ID及Bxx数值增减变化对DataFrame数据分组？

给定含ID列的DataFrame，ID格式为Axx-Bxx，需新增GROUP列，分组规则：

• 先按Axx前缀分组
• 每个Axx组内，按Bxx数值的升降转向（趋势变化点）划分小组

示例输入 #

import pandas as pd
df = pd.DataFrame({
    'ID': ['A01-B01', 'A01-B03', 'A01-B02', 'A01-B04', 'A02-B05', 'A02-B04', 'A02-B03']
})

期望输出 #

实现步骤 #

1. 提取分组所需字段 #

拆分ID得到Axx前缀和Bxx的数值：

# 拆分A前缀和B部分
df[['A_group', 'B_part']] = df['ID'].str.split('-', expand=True)
# 提取B部分的数值并转为整数
df['B_num'] = df['B_part'].str.extract(r'(\d+)').astype(int)

2. 计算每个A组内的趋势转向点 #

通过计算B_num的差值符号，判断趋势变化（上升/下降），然后标记转向点并累加得到组内序号：

import numpy as np

# 计算每个A组内B_num的差值，得到变化量
df['diff'] = df.groupby('A_group')['B_num'].diff()
# 将差值转为符号：1=上升，-1=下降，0=不变
df['trend_sign'] = df['diff'].apply(lambda x: np.sign(x) if pd.notna(x) else 0)
# 标记趋势转向点：当前趋势符号与前一行不同则为1，否则为0
df['trend_change'] = df.groupby('A_group')['trend_sign'].apply(lambda x: (x != x.shift()).astype(int)).reset_index(level=0, drop=True)
# 累加转向点得到组内分组序号
df['group_in_A'] = df.groupby('A_group')['trend_change'].cumsum()

3. 生成最终GROUP列 #

将A_group和组内序号拼接：

df['GROUP'] = df['A_group'] + '-' + df['group_in_A'].astype(str)
# 可选：删除中间辅助列
df = df.drop(['A_group', 'B_part', 'B_num', 'diff', 'trend_sign', 'trend_change', 'group_in_A'], axis=1)

完整代码 #

import pandas as pd
import numpy as np

# 示例输入
df = pd.DataFrame({
    'ID': ['A01-B01', 'A01-B03', 'A01-B02', 'A01-B04', 'A02-B05', 'A02-B04', 'A02-B03']
})

# 提取字段
df[['A_group', 'B_part']] = df['ID'].str.split('-', expand=True)
df['B_num'] = df['B_part'].str.extract(r'(\d+)').astype(int)

# 计算趋势转向与组内序号
df['diff'] = df.groupby('A_group')['B_num'].diff()
df['trend_sign'] = df['diff'].apply(lambda x: np.sign(x) if pd.notna(x) else 0)
df['trend_change'] = df.groupby('A_group')['trend_sign'].apply(lambda x: (x != x.shift()).astype(int)).reset_index(level=0, drop=True)
df['group_in_A'] = df.groupby('A_group')['trend_change'].cumsum()

# 生成GROUP列并清理
df['GROUP'] = df['A_group'] + '-' + df['group_in_A'].astype(str)
df = df.drop(['A_group', 'B_part', 'B_num', 'diff', 'trend_sign', 'trend_change', 'group_in_A'], axis=1)

print(df)

运行后输出与期望完全一致。

内容的提问来源于stack exchange，提问作者VERBOSE