基于分组对比多分类值生成递增序号的Pandas实现问题

核心思路 #

要实现同时基于class_1和class_2的变化判断，需先对每组内的两列分别与前一行做差异对比，再取逻辑或（任意一列变化即触发序号递增），最后对布尔序列累加生成t_id。

兼容多版本的实现代码 #

考虑到要兼容Pandas 0.22.1，采用分步骤的分组处理逻辑，避免高版本专属语法：

import pandas as pd

# 测试数据集
df = pd.DataFrame({
    "id_1": [1, 1, 1, 2, 2, 2, 2, 2, 2],
    "id_2": ["a", "a", "a", "a", "a", "a", "b", "b", "b"],
    "class_1": [1, 1, 1, 1, 1, 1, 2, 1, 2],
    "class_2": [1, 1, 2, 1, 2, 2, 2, 1, 2] 
})

# 定义分组内的t_id计算逻辑
def calculate_t_id(group):
    # 分别判断两列与前一行的差异
    diff_1 = group['class_1'] != group['class_1'].shift()
    diff_2 = group['class_2'] != group['class_2'].shift()
    # 任意一列变化则标记，累加生成t_id
    group['t_id'] = (diff_1 | diff_2).cumsum()
    return group

# 应用分组计算
df = df.groupby(['id_1', 'id_2'], as_index=False).apply(calculate_t_id)
print(df)

预期结果 #

运行后得到的t_id列符合需求：

版本兼容性说明 #

代码中使用的groupby.apply、shift()、cumsum()以及布尔逻辑或|均为Pandas 0.22.1支持的方法，无需担心版本适配问题。

内容的提问来源于stack exchange，提问作者Mark