在Pandas DataFrame中实现类Excel的连续相同值序列分组编号（新增group_id列）

这是个很典型的连续值分组需求，在Pandas里我们可以用向量化操作来高效实现，完全不需要写循环或者自定义函数，代码简洁又性能拉满。

步骤详解 #

首先先构造你给出的示例DataFrame：

import pandas as pd

df = pd.DataFrame({'var1': ['a','a','e','d','d','d','a','a','b','b']}, index=range(1,11))

然后一行代码就能生成需要的group_id列：

df['group_id'] = (df['var1'] != df['var1'].shift()).cumsum() - 1

让我们拆解一下这段代码的逻辑：

• df['var1'].shift()：把var1列整体向下偏移一行，第一行会变成NaN
• df['var1'] != df['var1'].shift()：生成一个布尔序列，当当前行和上一行的var1值不同时返回True，否则返回False（第一行因为和NaN比较，结果是True）
• .cumsum()：对布尔序列做累加（True等价于1，False等价于0），这样每次遇到新的连续序列时，累加值就会+1，得到从1开始的分组编号
• 最后-1：把分组编号调整为从0开始，和你期望的结果完全匹配

验证结果 #

运行代码后，输出df就能得到你想要的结果：

var1  group_id
1      a         0
2      a         0
3      e         1
4      d         2
5      d         2
6      d         2
7      a         3
8      a         3
9      b         4
10     b         4

为什么这是最优方法？ #

这个方案完全利用了Pandas的向量化运算，避免了逐行处理的低效操作（比如apply或者循环），在处理大数据集时性能优势会非常明显，是Pandas社区处理这类连续分组问题的标准解法。

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