如何为Pandas DataFrame中连续的1值簇分配唯一标识符

这个需求太常见了！常规的groupby确实只会把所有0和所有1分别归为一组，没法区分连续的同值簇。不过用Pandas的几个小技巧就能完美解决，我来给你一步步拆解：

核心思路 #

我们可以通过标记连续簇的起始点，再对起始点进行累加计数，最后把0的位置清零，就能得到每个连续1簇的唯一ID。

完整解决方案 #

首先先准备好你的示例数据：

import pandas as pd

df = pd.DataFrame([1,1,1,0,0,0,0,1,1,0,0,0,1,0,1,1,1],columns=['clusters'])

然后执行下面的核心代码：

# 第一步：标记每个连续1簇的第一个元素（起始点）
# 当当前值是1，且前一个值不是1时，标记为True（即1），否则为False（即0）
df['unique'] = (df['clusters'] == 1) & (df['clusters'].shift(1) != 1)

# 第二步：对起始点进行累加，再乘原clusters列把0的位置清零
df['unique'] = df['unique'].cumsum() * df['clusters']

执行后打印df，就能得到你想要的结果：

clusters  unique
0         1       1
1         1       1
2         1       1
3         0       0
4         0       0
5         0       0
6         0       0
7         1       2
8         1       2
9         0       0
10        0       0
11        0       0
12        1       3
13        0       0
14        1       4
15        1       4
16        1       4

代码解释 #

• df['clusters'].shift(1)：把clusters列向下偏移一行，这样就能和当前行的值对比，判断是否是新簇的起始点
• (df['clusters'] == 1) & (df['clusters'].shift(1) != 1)：这个布尔条件会精准定位每个连续1簇的第一个元素（包括DataFrame开头的第一个1，因为shift(1)会产生NaN，而NaN != 1会返回True）
• cumsum()：对布尔列累加，True会被视为1，False视为0，这样每出现一个新的起始点，累加值就会递增，后续的连续1会继承这个值
• * df['clusters']：这一步非常关键，它会把所有0对应的累加值清零，刚好符合你要的“0的位置保持0”的需求

如果你喜欢更简洁的写法，也可以把两步合并成一行：

df['unique'] = ((df['clusters'] == 1) & (df['clusters'].shift() != 1)).cumsum() * df['clusters']

内容的提问来源于stack exchange，提问作者ajsp