如何基于Pandas DataFrame的另一列生成特定规则的计数器列？

首先是你创建的DataFrame代码：

import numpy as np
import pandas as pd

Range = np.arange(0,9,1)

A={
0:2,
1:2,
2:2,
3:2,
4:3,
5:3,
6:3,
7:2,
8:2
}

Table = pd.DataFrame({"Row": Range})
Table["Intervals"]=(Table["Row"]%9).map(A)

生成的DataFrame如下：

你的需求是新增一列Counter，预期值为[1,2,1,2,1,2,3,1,2]，计数规则为：

• 当Intervals为2时，每连续2个为一组，组内计数1、2循环
• 当Intervals为3时，每连续3个为一组，组内计数1、2、3

解决步骤 #

问题出在单纯按Intervals分组会把所有相同值的行合并，而不是按连续相同的分段分组。我们需要先标记连续相同的Intervals分段，再在每个分段内生成对应计数器：

1. 生成连续分段的标识列

# 标记连续相同的Intervals组，每次值变化时组号+1
Table['group'] = (Table['Intervals'] != Table['Intervals'].shift()).cumsum()

2. 对每个分段生成符合规则的计数器
   用groupby结合自定义函数，根据每个分段的Intervals值生成循环计数：

def get_counter(group):
    interval_val = group['Intervals'].iloc[0]
    # 生成重复的计数序列，匹配组内行数
    cycle = list(range(1, interval_val + 1))
    return cycle * (len(group) // interval_val) + cycle[:len(group) % interval_val]

# 应用函数并展开结果
Table['Counter'] = Table.groupby('group').apply(get_counter).explode().reset_index(drop=True)

或者用更简洁的transform写法：

Table['Counter'] = Table.groupby('group').transform(
    lambda x: [(i % x.iloc[0]) + 1 for i in range(len(x))]
).explode()

最终结果 #

执行后Table的内容：

Counter列完全符合预期值。

内容的提问来源于stack exchange，提问作者Naor