如何按指定规则高效替换DataFrame中log_index列的值？

核心思路 #

你的需求本质是对连续相同值的块进行顺序编号，而非全局唯一值映射。最高效的方式是利用pandas的向量化操作，避免Python循环，具体步骤为：

• 标记每个连续块的起始位置（当前值与前一行不同时标记为True）
• 对标记结果做累加，得到从1开始的连续编号

代码实现 #

import pandas as pd

# 构造示例DataFrame
data = {'log_index': [27,27,27,27,28,28,29,29,29,27,27,27,28,28,28]}
df = pd.DataFrame(data)

# 生成连续块编号
df['new_log_index'] = df['log_index'].ne(df['log_index'].shift()).cumsum()

print(df)

输出结果 #

log_index  new_log_index
0          27              1
1          27              1
2          27              1
3          27              1
4          28              2
5          28              2
6          29              3
7          29              3
8          29              3
9          27              4
10         27              4
11         27              4
12         28              5
13         28              5
14         28              5

效率说明 #

这种方法完全依赖pandas的底层向量化运算，没有Python层面的循环，在处理十万甚至百万级别的数据时，性能远高于自定义循环或apply方法。

内容的提问来源于stack exchange，提问作者Unistack