如何在Pandas中按每K行递增生成ID列（无循环实现）

修正原数据创建代码 #

首先注意你提供的Series定义中，"is"和"some"之间缺少逗号，会导致合并成字符串"issome"，正确的创建代码如下：

import pandas as pd

df = pd.Series(["this", "is", "some", "text", "which", "is", "not", "valid"]).to_frame(name='my_text')

（若你确实需要7行数据，可去掉最后一个元素"valid"）

实现方法（无循环） #

设定K=3，以下是几种高效的Pandas/numpy实现方式：

方法1：整数除法（最简洁）

利用索引的整数除法分组，直接生成ID：

K = 3
df['ID'] = (df.index // K) + 1

原理：索引从0开始，df.index // K会将每K行归为一组（0-2→0，3-5→1，6→2），加1后得到从1开始的递增ID。

方法2：numpy向上取整

通过np.ceil对"行号（从1开始）/K"向上取整：

import numpy as np

K = 3
df['ID'] = np.ceil((df.index + 1) / K).astype(int)

原理：将索引转换为从1开始的序列，除以K后向上取整，确保不足K行的最后一组也会递增ID。

方法3：pd.cut区间分组

通过区间划分实现分组并分配ID：

import numpy as np

K = 3
# 生成分组区间：0-3, 3-6, 6-...
bins = np.arange(0, len(df) + 1, K)
# 为每个区间分配从1开始的标签
df['ID'] = pd.cut(df.index, bins=bins, labels=np.arange(1, len(bins))).astype(int)

最终结果 #

以7行数据为例，生成的DataFrame如下：

my_text  ID
0    this   1
1      is   1
2    some   1
3    text   2
4   which   2
5      is   2
6     not   3

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