Python中基于二进制列生成特定分组规则的group_id列

问题说明 #

需要基于二进制列diff生成group_id，规则如下：

• 每个值为1的行对应独立且递增的group_id
• 连续的0行归为同一个group_id，不同组的连续0使用新的group_id

当前使用df['group_id1'] = df['diff'].cumsum()得到的结果不符合预期，期望得到示例中的group_id2效果：

解决方案 #

核心思路是先标记所有新分组的起始行，再对标记列做累加得到目标分组ID：

import pandas as pd

# 构造示例数据
data = {
    'diff': [1,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,1,1,0,0]
}
df = pd.DataFrame(data)

# 标记新分组起始行：diff为1，或当前是0且前一行是1
df['is_new_group'] = (df['diff'] == 1) | ((df['diff'] == 0) & (df['diff'].shift(1) == 1))

# 累加标记列生成目标group_id2
df['group_id2'] = df['is_new_group'].cumsum()

# 查看结果
print(df[['diff', 'group_id2']])

结果解释 #

• is_new_group列会在每个1行、每个连续0块的第一行标记为True
• 对该列执行cumsum()后，每个标记点会生成一个新的递增ID，完全匹配需求：
  • 每个1行对应唯一ID
  • 同一连续0块共享一个ID，不同0块ID依次递增

内容的提问来源于stack exchange，提问作者mc866