Pandas中按分组生成DAY列序数的高效实现方案

处理长格式时间序列DataFrame，结构如下：

ACCOUNT | VAR1 | VAR2 | DAY

需要新增DAY_ORD列，为每个唯一的(ACCOUNT, VAR1, VAR2)分组内的DAY生成从0开始的序数排名，预期效果如下：

原实现代码运行速度极慢（约8次/秒），代码如下：

#initialize an empty 'DAY_ORD' column
df['DAY_ORD'] = [None for i in range(len(df))]

#iterate over all triplets that appear in the data
for (_, row) in fb_data[['ACCOUNT', 'VAR1', 'VAR2']].copy().drop_duplicates().iterrows():
    acc, v1, v2 = row[0], row[1], row[2]

    #find the df slice that adheres to the considered triplet
    fdf = df.loc[(df.ACCOUNT== acc) & (fb_data.VAR1 == v1) & (fb_data.VAR2 == v2)].sort_values('DAY')

    #assign them an ordinal rank
    fdf['DAY_ORD'] = [i for i in range(len(fdf))]

    #set the DAY_ORD values in the original dataframe
    for i in fdf.index:
        df.loc[i, 'DAY_ORD'] = fdf['DAY_ORD'][i]
df['DAY_ORD']

原代码性能瓶颈在于嵌套循环+逐行赋值，完全未利用Pandas的向量化运算优势。以下是极简高效的实现方式：

高效代码 #

# 先按分组键和DAY排序，确保组内时间顺序正确
df = df.sort_values(['ACCOUNT', 'VAR1', 'VAR2', 'DAY'])

# 分组生成从0开始的连续序数
df['DAY_ORD'] = df.groupby(['ACCOUNT', 'VAR1', 'VAR2']).cumcount()

逻辑说明 #

• sort_values：对分组字段和DAY排序，保证每个组内的时间序列是有序的，为生成正确序数提供前提。
• groupby：按指定的三个字段精准分组，定位每个需要生成序数的独立组。
• cumcount()：Pandas内置方法，为每个分组内的行自动生成从0开始的连续整数，完全匹配需求中的序数排名逻辑。

额外提示 #

如果确认原始数据中每个(ACCOUNT, VAR1, VAR2)分组内的DAY已经是有序状态，可以省略sort_values步骤，直接调用cumcount()即可。

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