基于DataFrame中group与y值变化生成subgroup和count列

已有如下排序完成的DataFrame：

d = {'x': [1479903, 1479879, 1479926, 1479736, 1479760, 1479784, 1479808, 1479831, 1480331, 1480355, 1480949, 1480973, 1480997, 1481021, 1481877, 1481901, 1481924, 1481948, 1481996, 1482020], 'y': [7195293, 7195293, 7195293, 7194829, 7194829, 7194829, 7194829, 7194829, 7194829, 7194829, 7194384, 7194384, 7194384, 7194384, 7194384, 7194384, 7194384, 7194384, 7193920, 7193920], 'group':[1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3]}

df = pd.DataFrame(data=d)
df = df.sort_values(by = ['group', 'y','x'], ascending = [True, False, True])

需要新增两列：

• subgroup：初始值为1，仅当y值变化时递增；group值变化时重置为1
• count：同一subgroup内从1开始递增，subgroup变化时重置为1

期望输出 #

解决方案 #

使用Pandas的分组与累加函数实现需求：

# 标记每个group内y值的变化点
df['y_change'] = df.groupby('group')['y'].shift() != df['y']
# 填充第一行的空值（默认视为y值变化起点）
df['y_change'] = df['y_change'].fillna(True)

# 计算subgroup：按group分组后累加变化标记
df['subgroup'] = df.groupby('group')['y_change'].cumsum().astype(int)

# 计算count：按group+subgroup分组后从1开始计数
df['count'] = df.groupby(['group', 'subgroup']).cumcount() + 1

# 删除中间辅助列（可选操作）
df = df.drop('y_change', axis=1)

# 调整列顺序匹配期望输出
df = df[['group', 'subgroup', 'count', 'x', 'y']]

逻辑说明 #

1. 标记y值变化：通过shift()获取每组内上一行的y值，与当前行比较得到变化标记，第一行默认作为变化起点
2. 生成subgroup：对每个group内的变化标记做累加，每次y值变化时数值加1，group切换时重新开始计数
3. 生成count：按group和subgroup分组，用cumcount()+1实现组内从1开始的递增计数

内容的提问来源于stack exchange，提问作者matteo112