如何在Pandas中基于其他行单元格值添加计数列？

可以实现，而且针对百万级数据，以下是高效的解决方案：

步骤说明 #

核心思路是先聚合统计每个Aid下各日期的出现次数，再计算累计和，最后映射回原DataFrame，避免逐行遍历的低效操作。

代码实现 #

import pandas as pd

# 1. 确保Date列为datetime类型（如果原始数据不是的话）
df['Date'] = pd.to_datetime(df['Date'])

# 2. 统计每个(Aid, Date)组合的出现次数
date_counts = df.groupby(['Aid', 'Date']).size().reset_index(name='daily_count')

# 3. 按Aid分组，计算累计求和（即<=当前日期的总行数）
date_counts['Counter'] = date_counts.groupby('Aid')['daily_count'].cumsum()

# 4. 将累计计数合并回原DataFrame
df = df.merge(date_counts[['Aid', 'Date', 'Counter']], on=['Aid', 'Date'], how='left')

结果验证 #

运行后得到的DataFrame与预期完全一致：

效率说明 #

该方案的时间复杂度为O(n log n)（主要来自groupby的排序操作），远优于逐行比较的O(n²)，完全适配百万级数据的处理需求。

内容的提问来源于stack exchange，提问作者Claudiu Stoica