Python Pandas：如何实现同ID行计数递增，不同则置1？

问题背景 #

原始已排序DataFrame：

Id
A
A
B
C
D
D
D
D
E

需求：新增value列，规则为：

• 当前行Id与上一行不同时，赋值为1
• 当前行Id与上一行相同时，赋值为上一行value值加1

你的尝试与错误 #

你通过shift()创建了Previous_id列：

df['Previous_id'] = df['Id'].shift(1)

得到的DataFrame：

Id  Previous_id 
A     NaN             
A     A           
B     A           
C     B           
D     C           
D     D           
D     D           
D     D           
E     D

但使用自定义函数apply时出现错误：

def func1(row):
    if row['Id'] != row['Previous_id']:
        return 1
    else:
        return row['value'].shift(1) + 1

df['value'] = df.apply(lambda row: func1(row), axis=1)

错误信息：

'int' object has no attribute 'shift'

错误原因：行级apply中，row['value']是单个数值（不是Series），无法调用shift()；而且此时value列还未创建，根本取不到上一行的value值。

正确解决方法 #

方法一：向量化分组计数（推荐，高效简洁） #

不需要创建Previous_id列，直接利用Pandas的分组和累计计数功能：

# 生成分组键：每次Id变化时分组键+1
df['value'] = df.groupby((df['Id'] != df['Id'].shift(1)).cumsum()).cumcount() + 1

分步拆解更直观：

# 1. 标记每个连续分组的起始点，生成分组键
df['group_key'] = (df['Id'] != df['Id'].shift(1)).cumsum()
# 2. 每个分组内从1开始累计计数
df['value'] = df.groupby('group_key').cumcount() + 1
# 3. 不需要group_key可删除
df = df.drop('group_key', axis=1)

方法二：迭代行处理（适合理解逻辑，小数据量可用） #

通过迭代每一行，维护上一个Id和当前计数的变量：

prev_id = None
current_value = 1
values_list = []

for _, row in df.iterrows():
    if row['Id'] != prev_id:
        current_value = 1
    else:
        current_value += 1
    values_list.append(current_value)
    prev_id = row['Id']

df['value'] = values_list

最终结果 #

执行后得到期望的DataFrame：

Id  Previous_id value
A     NaN             1
A     A           2
B     A           1
C     B           1
D     C           1
D     D           2
D     D           3
D     D           4
E     D           1

内容的提问来源于stack exchange，提问作者zukowski2012