如何按comment列条件调整Pandas DataFrame的number列值

步骤说明 #

1. 转换数据类型：先将number列从字符串转为整数，方便后续数值计算。
2. 标记替换行：识别comment列以Replacing: 开头的行，这类行的number无需调整（已与被替换文件保持一致）。
3. 计算偏移量：针对非替换行，统计每个number值的重复出现次数，以此作为需要递增的偏移量。
4. 生成最终编号：原始number加上对应偏移量，得到符合要求的结果。

完整代码 #

import pandas as pd

# 初始化测试数据
df_test = pd.DataFrame(data=None, columns=['file','comment','number'])
df_test.file = ['file_1', 'file_1_v2', 'file_2', 'file_3', 'file_4', 'file_4_v2', 'file_5']
df_test.comment = ['old', 'Replacing: file_1', 'none', 'new: 3', 'maybe', 'Replacing: file_4', 'none']
df_test.number = df_test.number.astype(int)  # 转换为整数类型

# 标记comment以'Replacing: '开头的行
is_replacing = df_test.comment.str.startswith('Replacing: ')

# 计算非替换行的偏移量：每个number值累计出现次数减1
temp_non_replacing = df_test.loc[~is_replacing, 'number'].reset_index(drop=True)
offsets = temp_non_replacing.groupby(temp_non_replacing).cumcount()

# 将偏移量赋值回原DataFrame
df_test['offset'] = 0
df_test.loc[~is_replacing, 'offset'] = offsets.values

# 生成最终number列
df_test['final_number'] = df_test['number'] + df_test['offset']

# 查看结果
print(df_test['final_number'].tolist())
# 输出: [12, 12, 13, 14, 15, 15, 16]

代码解释 #

• is_replacing掩码：快速筛选出无需调整的替换行，避免干扰后续计算。
• cumcount()方法：对每个分组内的行进行计数，重复出现的行会得到递增的计数，正好作为需要递增的偏移量（比如number=13在非替换行中第二次出现时，计数为1，所以13+1=14）。
• 偏移量赋值：通过索引对齐将计算好的偏移量映射回原DataFrame，确保只有非替换行应用偏移。

内容的提问来源于stack exchange，提问作者Marcus K.