使用Pandas按多列与时间规则分配唯一ID

核心思路 #

要满足你的三个规则，需分三步处理：

1. 先按name和timestamp完成排序，确保数据时序逻辑正确
2. 生成连续分组键：识别连续的date+name+product组合，解决切换产品再返回需新ID的问题
3. 在每个连续分组内，基于elapsed_time>100的断点拆分分组，最终生成唯一ID

完整代码实现 #

import pandas as pd

# 模拟包含Carl场景的示例数据
data = {
    'date': ['2024-01-01', '2024-01-01', '2024-01-01', '2024-01-01', '2024-01-01', '2024-01-02'],
    'name': ['Carl', 'Carl', 'Carl', 'Carl', 'Carl', 'Alice'],
    'product': ['A', 'B', 'A', 'A', 'A', 'X'],
    'timestamp': ['2024-01-01 09:00', '2024-01-01 09:10', '2024-01-01 09:15', '2024-01-01 09:20', '2024-01-01 09:25', '2024-01-02 10:00'],
    'elapsed_time': [50, 80, 120, 60, 70, 90]
}
df = pd.DataFrame(data)
df['timestamp'] = pd.to_datetime(df['timestamp'])

# 步骤1：按name和timestamp排序，保证时序正确
df = df.sort_values(['name', 'timestamp']).reset_index(drop=True)

# 步骤2：生成连续组合的基础分组键——识别date/name/product的连续变化
df['base_group'] = (df[['date', 'name', 'product']] != df[['date', 'name', 'product']].shift()).any(axis=1).cumsum()

# 步骤3：在每个基础分组内，对elapsed_time>100的断点进行累积计数
df['break_cum'] = df.groupby('base_group')['elapsed_time'].apply(lambda x: (x > 100).cumsum())

# 步骤4：合并分组键生成唯一ID
df['unique_id'] = pd.factorize(df['base_group'].astype(str) + '_' + df['break_cum'].astype(str))[0] + 1

# 查看结果
print(df[['date','name','product','elapsed_time','unique_id']])

代码解释 #

1. 排序：确保数据按用户和时间顺序排列，这是后续时序规则生效的基础
2. base_group生成：对比当前行与上一行的date/name/product组合，只要任一字段变化就生成新分组号。解决了Carl同一日期切换产品再返回原产品的问题——两次使用ProductA属于不连续组合，会被分配不同base_group
3. break_cum累积：在每个base_group内部，对elapsed_time>100的行进行累积计数。一旦某行满足条件，后续同组所有行的break_cum值递增，进而生成新的最终分组
4. unique_id生成：通过factorize将合并后的分组键转化为唯一整数ID，完全匹配所有规则要求

运行结果 #

date   name product  elapsed_time  unique_id
0  2024-01-01   Carl       A            50          1
1  2024-01-01   Carl       B            80          2
2  2024-01-01   Carl       A           120          3
3  2024-01-01   Carl       A            60          4
4  2024-01-01   Carl       A            70          4
5  2024-01-02  Alice       X            90          5

可见：

• Carl两次使用ProductA被分配不同ID（1和3）
• 行2的elapsed_time>100，后续行3、4的ID递增为4，直到组合变更
• 所有不同date/name/product组合或触发断点的行，都获得了符合规则的唯一ID

内容的提问来源于stack exchange，提问作者user22977701