Pandas：DataFrame存在重复ID，如何生成唯一标识？

这问题我熟！想要生成你说的这种11、21、22、41格式的唯一ID，用pandas的groupby配合cumcount就能轻松实现，给你一步步拆解：

1. 先构造你的目标DataFrame #

首先先把你提到的数据集用代码还原出来：

import pandas as pd

df = pd.DataFrame({
    'id': [1, 2, 2, 4],
    'animal': ['dog', 'cat', 'bear', 'mouse'],
    'Seq': [14, 17, 19, 23]
})

2. 生成组内递增计数器 #

按id分组后，用cumcount()给每个组内的行分配序号（注意cumcount默认从0开始，所以要加1让计数从1起始）：

# 新增组内计数器列，从1开始计数
df['counter'] = df.groupby('id').cumcount() + 1

3. 生成唯一NewID #

有两种常用方式生成你要的NewID，选哪种看你的需求：

方式一：字符串拼接（适配多位数ID） #

如果你的id可能是多位数（比如10、100），用字符串拼接更稳妥，避免数值计算导致的位数混乱：

df['NewID'] = df['id'].astype(str) + df['counter'].astype(str)

方式二：数值计算（适合个位数ID） #

如果你的id都是个位数，直接用数值组合更高效，得到的是数值型的NewID：

df['NewID'] = df['id'] * 10 + df['counter']

最终结果 #

执行完上面的代码后，你的DataFrame会变成这样：

简化写法（可选） #

如果你不需要保留counter列，可以用链式操作一步到位：

# 字符串拼接版
df['NewID'] = df.groupby('id').cumcount().add(1).astype(str).radd(df['id'].astype(str))

# 数值计算版
df['NewID'] = df['id'] * 10 + df.groupby('id').cumcount().add(1)

内容的提问来源于stack exchange，提问作者user1788504