Python Pandas：如何基于现有列添加索引列，使重复项共享同一索引？

嘿，这个需求太常见啦！咱们用Pandas就能轻松搞定——核心就是根据old_index和year的组合给数据分组，让相同组合的行共享同一个索引，完全不用管num列的数值。下面给你两种简单好用的方法：

方法一：使用groupby().ngroup() #

这是最直观的方式，先按目标列分组，再给每个组分配一个连续的索引值：

import pandas as pd

# 构造示例数据集
df = pd.DataFrame({
    'old_index': [1, 1, 2, 2, 3],
    'year': [2020, 2020, 2021, 2021, 2022],
    'num': [100, 200, 300, 400, 500]
})

# 生成新索引列
df['new_index'] = df.groupby(['old_index', 'year']).ngroup()

print(df)

输出结果：

old_index  year  num  new_index
0          1  2020  100          0
1          1  2020  200          0
2          2  2021  300          1
3          2  2021  400          1
4          3  2022  500          2

方法二：使用factorize()对组合列编码 #

如果处理大数据集追求更高效率，factorize()是个好选择，它直接对old_index和year的组合进行数值编码：

# 基于示例数据生成新索引
df['new_index'] = pd.factorize(df[['old_index', 'year']].apply(tuple, axis=1))[0]

print(df)

这个方法的输出和上面完全一致，编码逻辑更底层，处理大表时速度更快。

如果想要索引从1开始而非0，只需要在结果后加1即可，比如：df['new_index'] = df.groupby(['old_index', 'year']).ngroup() + 1。

内容的提问来源于stack exchange，提问作者Arist