如何为DataFrame分组中首次出现的唯一值添加编号列num？

需求说明 #

在每组连续非空数据中，需为每个首次出现的唯一值在新列num中分配指定编号：

• AF → 1
• CT → 2
• RT → 3
• CTS → 4
  后续重复值及空值不填充编号。

现有DataFrame #

import pandas as pd

data = {'ATEXT': ['AF', 'AF', '', '', 'CT', 'RT', '', 'AF', 'AF', 'CTS', 'AF', 'AF', 'AF', 'CT',
                  'AF', 'CT', 'AF', 'AF', 'AF', 'AF', 'RT', 'RT', '', '', 'AF', 'CT', 'CT', 'RT',
                  'AF', 'AF', 'CT']}
df = pd.DataFrame(data)

期望结果 #

ATEXT num
0     AF   1
1     AF    
2           
3           
4     CT   2
5     RT   3
6           
7     AF   1
8     AF    
9    CTS   4
10    AF    
11    AF    
12    AF    
13    CT   2
14    AF    
15    CT    
16    AF    
17    AF    
18    AF    
19    AF    
20    RT   3
21    RT    
22          
23          
24    AF   1
25    CT   2
26    CT    
27    RT   3
28    AF    
29    AF    
30    CT

尝试的无效代码 #

nl = df['ATEXT']!=("")
df['num'] = (df['ATEXT'].mask(nl)
        .groupby(nl)
        .where(~df.ATEXT.duplicated()
        )

完整代码 #

import pandas as pd

data = {'ATEXT': ['AF', 'AF', '', '', 'CT', 'RT', '', 'AF', 'AF', 'CTS', 'AF', 'AF', 'AF', 'CT',
                  'AF', 'CT', 'AF', 'AF', 'AF', 'AF', 'RT', 'RT', '', '', 'AF', 'CT', 'CT', 'RT',
                  'AF', 'AF', 'CT']}
df = pd.DataFrame(data)

# 定义值与编号的映射关系
value_map = {'AF': '1', 'CT': '2', 'RT': '3', 'CTS': '4'}

# 按空值分割，创建连续非空数据的分组标记
groups = (df['ATEXT'] == '').cumsum()

# 标记每个分组内首次出现的有效值
df['is_first_in_group'] = df.groupby(groups)['ATEXT'].transform(lambda x: ~x.duplicated())

# 填充num列：仅首次出现的有效值分配编号，其余留空
df['num'] = df.apply(
    lambda row: value_map.get(row['ATEXT'], '') if row['is_first_in_group'] and row['ATEXT'] != '' else '',
    axis=1
)

# 移除辅助列（可选）
df.drop('is_first_in_group', axis=1, inplace=True)

print(df)

代码说明 #

1. 分组标记：通过(df['ATEXT'] == '').cumsum()将空行作为分隔符，把连续的非空行划分为同一组，确保每组内的首次值判断仅在当前连续段内生效。
2. 首次出现判断：利用groupby(groups)结合transform，为每个分组内的每个值标记第一次出现的位置。
3. 编号填充：遍历每行数据，仅当该行是分组内首次出现的有效值时，通过映射字典获取对应编号，其余情况留空。

内容的提问来源于stack exchange，提问作者mxplk