如何在Pandas DataFrame中为反向出现的两列值分配相同标识值

正确实现代码 #

import pandas as pd
import numpy as np

# 示例数据
g = pd.DataFrame({
    'Column_a': [6, 7, 11, 10, 12, 15],
    'Column_b': [7, 6, 10, 11, 15, 12]
})

# 对每行的两列值进行排序，生成一致的配对键
sorted_pairs = np.sort(g[['Column_a', 'Column_b']], axis=1)
# 将排序后的配对转为元组，作为分组依据生成唯一ID
g['New'] = pd.factorize(list(zip(sorted_pairs[:, 0], sorted_pairs[:, 1])))[0] + 1

print(g)

输出结果 #

Column_a  Column_b  New
0         6         7    1
1         7         6    1
2        11        10    2
3        10        11    2
4        12        15    3
5        15        12    3

原代码问题分析 #

你之前的代码 g['New']=pd.DataFrame(np.sort(g[['Column_a','Column_b']])).duplicated(keep=False).astype(int) 之所以全部返回1，是因为 duplicated(keep=False) 仅标记是否属于重复组，所有重复行都会被标记为True（转为int就是1），但无法区分不同的重复组。

核心思路说明 #

1. 统一配对顺序：用np.sort(..., axis=1)对每行的两列值排序，让(6,7)和(7,6)都变成(6,7)，确保同一配对的行有一致的标识依据。
2. 生成唯一组ID：用pd.factorize()为每个唯一的排序配对分配一个整数ID，+1是为了让ID从1开始（默认从0开始）。

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