在Pandas DataFrame中按指定规则生成Unique ID的技术需求

需求说明 #

现有如下Pandas DataFrame：

GID  Similarity Score
0   71               100
1   71               100
2  132               100
3  132                40
4  132               100
5  132                40
6  104                35
7  104                35
8  112                 0
9  114                 0

需要新增名为Unique ID（示例中显示为UID）的列，分配规则：

• 当GID相同且Similarity Score为100时，分配相同的Unique ID
• 其余所有情况，每行分配不同的Unique ID

期望输出：

GID  Similarity Score  UID
0   71               100  900
1   71               100  900
2  132               100  901
3  132                40  902
4  132               100  901
5  132                40  903
6  104                35  904
7  104                35  905
8  112                 0  906
9  114                 0  907

解决方案代码 #

import pandas as pd

# 构造示例DataFrame（已有真实数据可跳过此步）
data = {
    'GID': [71, 71, 132, 132, 132, 132, 104, 104, 112, 114],
    'Similarity Score': [100, 100, 100, 40, 100, 40, 35, 35, 0, 0]
}
df = pd.DataFrame(data)

# 1. 为符合条件的行分配统一ID
mask = df['Similarity Score'] == 100
df.loc[mask, 'UID'] = df[mask].groupby('GID').ngroup() + 900  # 900为起始ID值

# 2. 为其余行分配唯一递增ID
max_assigned_uid = df['UID'].max() if not df['UID'].isna().all() else 899
non_qualified_rows = ~mask
df.loc[non_qualified_rows, 'UID'] = range(max_assigned_uid + 1, max_assigned_uid + 1 + len(df[non_qualified_rows]))

# 转换为整数类型，确保格式统一
df['UID'] = df['UID'].astype(int)

# 查看结果
print(df)

代码逻辑说明 #

• 符合条件的行处理：先筛选出Similarity Score为100的行，按GID分组后用ngroup()生成组序号，加上起始值900，保证同一GID的100分行拥有相同UID。
• 其余行处理：计算已分配的最大UID，从下一个整数开始为每一行分配连续递增的唯一ID，确保这些行的UID不重复且与前面的组ID不冲突。
• 类型转换：将UID列转为整数，避免出现浮点类型的ID值。

内容的提问来源于stack exchange，提问作者Sonakshi