如何基于请求目录DataFrame为新增请求DataFrame创建动态索引？

现有数据 #

1. 请求类型目录（记录各类型最新编号） #

这是存储各请求类型当前最新编号的DataFrame：

import pandas as pd

data = {'Req Type': ['A', 'B', 'C', 'D'], 'Req No': [20, 21, 19, 18]}
df1 = pd.DataFrame(data)
print(df1)

输出结果：

Req Type  Req No
0         A      20
1         B      21
2         C      19
3         D      18

2. 本月新增请求记录 #

这是记录本月新增请求的DataFrame，仅包含请求类型：

data2 = {'Req Type': ['A', 'A', 'C', 'B']}
df2 = pd.DataFrame(data2)
print(df2)

输出结果：

Req Type
0         A
1         A
2         C
3         B

需求 #

需要在df2中新增一列Index，根据df1中对应请求类型的最新编号，为每个新增请求生成依次递增的编号。最终期望效果如下：

Req Type  Index
0         A     21
1         A     22
2         C     20
3         B     22

实现代码 #

# 把df1转换为请求类型到最新编号的映射字典
req_type_to_last_no = df1.set_index('Req Type')['Req No'].to_dict()

# 按请求类型分组，计算每组内的累计序号（从1开始），再加上对应类型的最新编号
df2['Index'] = df2.groupby('Req Type').cumcount() + 1 + df2['Req Type'].map(req_type_to_last_no)

# 查看结果
print(df2)

代码说明 #

1. 首先将df1转换为字典，方便快速查找每个请求类型的最新编号；
2. 使用groupby('Req Type').cumcount()获取每个请求类型组内的行索引（从0开始），加1后得到该组内的递增序号；
3. 将序号与对应类型的最新编号相加，得到最终的Index值。

内容的提问来源于stack exchange，提问作者Amaury Pedraza