如何按Id分组，基于时间因素对类别事件分配固定排名

云原生阿岚

2026-7-23

解决方案

可以通过Pandas的分组、聚合和排名功能实现需求，具体步骤如下：

步骤1：准备数据并转换时间格式

首先确保时间列是可排序的datetime类型，避免因字符串格式导致排序错误：

import pandas as pd

# 示例数据（和你提供的一致）
data = {
    'Id': [1,1,1,1,1,1,1,2,2,2,2,2],
    'Event': ['event1','event2','event3','event4','event5','event4','event3','event1','event2','event3','event5','event2'],
    'Time(DD/MM/YYYY HH:MM:SS)': ['4/20/2022 1:09:47 AM','4/20/2022 1:12:23 AM','4/20/2022 1:13:35 AM','4/20/2022 1:13:36 AM','4/20/2022 1:13:37 AM','4/20/2022 1:15:17 AM','4/20/2022 5:56:35 AM','4/26/2022 11:19:00 AM','4/26/2022 11:20:05 AM','4/26/2022 11:20:46 AM','4/26/2022 11:20:50 AM','4/26/2022 11:21:50 AM']
}

df = pd.DataFrame(data)

# 转换时间列为datetime类型（匹配你标注的DD/MM/YYYY格式）
df['Time'] = pd.to_datetime(df['Time(DD/MM/YYYY HH:MM:SS)'], format='%d/%m/%Y %I:%M:%S %p')

步骤2：计算每个事件的首次出现排名

通过分组聚合获取每个Id下各事件的首次出现时间，再基于这个时间分配排名：

# 按Id和Event分组，提取每个事件的首次出现时间
event_first_occurrence = df.groupby(['Id', 'Event'])['Time'].min().reset_index()

# 按Id分组，对每个组内的事件按首次出现时间排序，分配从1开始的整数排名
event_first_occurrence['Output'] = event_first_occurrence.groupby('Id')['Time'].rank(method='first', ascending=True).astype(int)

# 将排名映射回原DataFrame
df = df.merge(event_first_occurrence[['Id', 'Event', 'Output']], on=['Id', 'Event'], how='left')

# 恢复原列顺序（可选）
df = df[['Id', 'Event', 'Time(DD/MM/YYYY HH:MM:SS)', 'Output']]