Pandas中按顺序为重复row_hash生成递增连续分组编号的问题

你的问题核心是要对连续相同的row_hash进行分组，而不是把所有相同row_hash的行归为一组——这属于数据处理里的"连续值岛屿"问题，之前的代码逻辑不对，所以得不到预期结果。

问题原因 #

你之前的代码是按ID和row_hash分组计算rank：

snapshot_df['dense_rank'] = snapshot_df.groupby(['ID', 'row_hash'])['snapshot_date'].rank(
            method='dense').astype(int)

这种方式会把同一个ID下所有row_hash=123的行（不管时间是否连续）归为同一组，所以1月1日和1月7日的123会共享同一个rank，不符合你要的"连续相同值算一组"的需求。

解决方案 #

要实现连续相同row_hash的分组rank，步骤如下：

1. 先确保数据按ID和时间排序（必须保证顺序正确，否则结果会出错）：

snapshot_df = snapshot_df.sort_values(['ID', 'snapshot_date'])

2. 计算每个ID组内的row_hash变化标记：
   对比当前行和前一行的row_hash，不同则标记为1，否则为0：

snapshot_df['hash_changed'] = snapshot_df.groupby('ID')['row_hash'].apply(
    lambda x: x != x.shift()
).astype(int)

3. 累加变化标记得到目标rank：
   对每个ID组内的变化标记做累加，每遇到一次变化（标记为1），rank就递增：

snapshot_df['需要的dense_rank'] = snapshot_df.groupby('ID')['hash_changed'].cumsum()

验证结果 #

运行上述代码后，生成的需要的dense_rank列会和你预期的完全一致：

内容的提问来源于stack exchange，提问作者YRychkov