如何在Pandas中基于日期为非重复组生成递增计数序列

问题背景 #

原始DataFrame：

id   date               day
A    01/01/2023 00:00   01
A    01/01/2023 00:00   01
B    01/01/2023 01:00   01
B    01/01/2023 01:00   01
A    01/01/2023 02:00   01
A    02/01/2023 00:00   02

期望输出：

id   date               day  count
A    01/01/2023 00:00   01   1   
A    01/01/2023 00:00   01   1   (两行均为1，因属于同一组)
B    01/01/2023 01:00   01   1   (为1，因ID不同)
B    01/01/2023 01:00   01   1
A    01/01/2023 02:00   01   2   (递增，因发生在同一天)
A    02/01/2023 00:00   02   1  (为1，因日期已变更)

核心规则 #

• 分组依据为id、date、day，且DataFrame已按id和date排序
• 同一(id, date, day)分组内所有行的count保持为1
• 同一id、同day但不同date（时间分组）时，count按顺序递增
• 不同id或不同day时，count重置为1

实现代码 #

import pandas as pd

# 构造示例数据
data = {
    'id': ['A', 'A', 'B', 'B', 'A', 'A'],
    'date': ['01/01/2023 00:00', '01/01/2023 00:00', '01/01/2023 01:00', '01/01/2023 01:00', '01/01/2023 02:00', '02/01/2023 00:00'],
    'day': ['01', '01', '01', '01', '01', '02']
}
df = pd.DataFrame(data)

# 1. 对每个(id, day)组内的不同date分组进行编号
df['temp_group'] = df.groupby(['id', 'day'])['date'].transform(lambda x: x.factorize()[0] + 1)

# 2. 确保同一(id, date, day)分组内count值一致
df['count'] = df.groupby(['id', 'date', 'day'])['temp_group'].transform('first')

# 移除临时列，输出结果
print(df.drop('temp_group', axis=1))

代码逻辑说明 #

1. 分组编号：通过groupby(['id', 'day'])和factorize()，为每个用户每天内的不同时间分组生成从1开始的递增编号
2. 统一分组内值：再按(id, date, day)分组取第一个编号，保证同一细分分组内所有行的count值相同
3. 清理输出：删除临时列后得到符合要求的结果

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