如何为Pandas中重复分组键基于列值和序列分配唯一标签

现有如下Pandas DataFrame：

import itertools
import operator
import pandas as pd 
d = {'idx' : [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10], 
      'names' : ['a', 'b', 'c', 'd', 'dd', 'eqq', 'n', 'oo', 'rt', 'xyz', 'yy'], 
      'grp_key' : [4, 4, 5, 5, 5, 7, 8, 8, 8, 4, 4] }
df = pd.DataFrame.from_dict(d)

希望基于grp_key列进行分组，已通过itertools.groupby实现分组：

G = [list(group) for key, group in itertools.groupby(df.grp_key.values)]
print(G)
# 输出：[[4, 4], [5, 5, 5], [7], [8, 8, 8], [4, 4]]

或结合idx与grp_key分组：

gpr_idx = list(zip(df.grp_key.values, df.idx.values))

G = [list(group) for key, group in itertools.groupby(gpr_idx, operator.itemgetter(0))]
print(G)
# 输出：[[(4, 0), (4, 1)], [(5, 2), (5, 3), (5, 4)], [(7, 5)], [(8, 6), (8, 7), (8, 8)], [(4, 9), (4, 10)]]

但无法实现为重复的分组键分配唯一标签，期望输出格式如下：

idx names  grp_key unique_tag
0     0     a        4       4_G1
1     1     b        4       4_G1
2     2     c        5       5_G1
3     3     d        5       5_G1
4     4    dd        5       5_G1
5     5   eqq        7       7_G1
6     6     n        8       8_G1
7     7    oo        8       8_G1
8     8    rt        8       8_G1
9     9   xyz        4       4_G2
10   10    yy        4       4_G2

请问如何用更Pythonic或Pandas原生的方式实现该需求？

可以利用Pandas的shift()和cumsum()标记连续同值组，结合分组排序生成唯一标签，全程用Pandas原生方法实现：

分步实现代码 #

# 标记连续组的分界：当前行grp_key与上一行不同则记为1，否则0，累加后得到全局组编号
df['group_id'] = (df['grp_key'] != df['grp_key'].shift()).cumsum()

# 按grp_key分组，为每个grp_key下的连续组分配自增序号
df['tag_seq'] = df.groupby('grp_key')['group_id'].rank(method='dense').astype(int)

# 拼接生成unique_tag
df['unique_tag'] = df['grp_key'].astype(str) + '_G' + df['tag_seq'].astype(str)

# 删除中间辅助列（可选）
df = df.drop(['group_id', 'tag_seq'], axis=1)

print(df)

输出结果 #

idx names  grp_key unique_tag
0     0     a        4       4_G1
1     1     b        4       4_G1
2     2     c        5       5_G1
3     3     d        5       5_G1
4     4    dd        5       5_G1
5     5   eqq        7       7_G1
6     6     n        8       8_G1
7     7    oo        8       8_G1
8     8    rt        8       8_G1
9     9   xyz        4       4_G2
10   10    yy        4       4_G2

简洁写法（省略辅助列） #

df['unique_tag'] = (
    df['grp_key'].astype(str) + '_G'
    + df.groupby('grp_key')
        .apply(lambda x: (x['grp_key'] != x['grp_key'].shift()).cumsum())
        .astype(str)
)

内容的提问来源于stack exchange，提问作者Bharat Sharma