基于ID和随访月份为多行DataFrame添加时间点列

原始DataFrame #

预期结果 #

问题分析 #

你之前用cumcount的思路不对，因为cumcount是给每个(ID, Follow up month)分组内的行逐行编号，但需求是同一ID下，相同的Follow up month对应同一个Timepoint，不同的Follow up month按顺序分配1、2这类连续编号。

解决方法 #

方法1：使用rank函数（推荐） #

按ID分组后，对Follow up month做密集排序，直接生成对应Timepoint：

import pandas as pd

# 构造原始数据
df = pd.DataFrame({
    'ID': [1,1,2,2,2,1,2],
    'Follow up month': [0,0,0,3,0,3,3],
    'Value-x': [12,11,10,11,12,13,11],
    'value -y': [12,14,11,0,1,12,5]
})

# 添加Timepoint列
df['Timepoint'] = df.groupby('ID')['Follow up month'].rank(method='dense', ascending=True).astype(int)

方法2：使用factorize函数 #

按ID分组后，对组内的Follow up month做因子化处理，生成连续编号：

df['Timepoint'] = df.groupby('ID')['Follow up month'].transform(
    lambda x: pd.factorize(x.sort_values())[0] + 1
)

两种方法都能得到符合预期的结果：同一ID下，Follow up month=0对应Timepoint=1，Follow up month=3对应Timepoint=2，且同一分组内的所有行Timepoint完全一致。

内容的提问来源于stack exchange，提问作者Hedayat