Pandas：根据出现顺序替换DataFrame分类列B的取值

问题背景 #

我有一个包含1000条记录的Pandas DataFrame，其中B列是已排序的分组列，数据结构如下：

import pandas as pd
df = pd.DataFrame([['red', 0], ['green', 0], ['blue', 16],['white', 58],['yellow', 59], ['purple', 71], ['violet', 82],['grey', 82]], columns=['A','B'])
# 输出结果
#       A     B
# 0   red     0
# 1   green   0
# 2   blue    16
# 3   white   58
# 4   yellow  59
# 5   purple  71
# 6   violet  82
# 7   grey    82

需要将B列更新为连续编号的组名（如group1、group2...），使相同B值对应同一个组名，最终输出如下：

output_df = pd.DataFrame([['red', 'group1'], ['green', 'group1'], ['blue', 'group2'],['white', 'group3'],['yellow', 'group4'], ['purple', 'group5'], ['violet', 'group6'],['grey', 'group6']], columns=['A','B'])
# 输出结果
#           A     B
# 0   red     group1
# 1   green   group1
# 2   blue    group2
# 3   white   group3
# 4   yellow  group4
# 5   purple  group5
# 6   violet  group6
# 7   grey    group6

解决方案 #

方法1：使用pd.factorize() #

factorize()会将列中的唯一值映射为连续整数，直接拼接前缀即可生成目标组名：

df['B'] = 'group' + (pd.factorize(df['B'])[0] + 1).astype(str)

解释：pd.factorize(df['B'])[0]返回从0开始的唯一值编号，加1后转为字符串，与group拼接得到符合要求的组名。

方法2：使用groupby().ngroup() #

通过分组获取组的连续编号，再拼接前缀：

df['B'] = 'group' + (df.groupby('B').ngroup() + 1).astype(str)

解释：按B列分组后，ngroup()为每个组分配从0开始的连续ID，加1后拼接字符串生成组名。

方法3：利用diff()和cumsum()生成组编号 #

由于B列已排序，可通过判断值的变化来累加生成组编号：

# 标记B值变化的位置，累加得到组编号
group_num = (df['B'].diff() != 0).cumsum()
df['B'] = 'group' + group_num.astype(str)

解释：df['B'].diff() != 0在B值与前一行不同时返回True，cumsum()累加这些布尔值（True=1，False=0）得到连续组编号，再拼接前缀即可。

内容的提问来源于stack exchange，提问作者DOT