如何在Pandas DataFrame中为用户生成会话序号与问题序号列

首先是你提供的示例数据生成代码：

import pandas as pd

usr_id = [121,121,121,121,135,135,135,135,135,135,135,135,135]
ses_id = [95,95,95,108,97,97,97,97,98,98,98,101,101]
que_id = [1,8,15,23,1,42,9,5,7,9,10,17,20]

df = pd.DataFrame(list(zip(usr_id, ses_id, que_id)),
               columns =['usr_id', 'ses_id', 'que_id'])

生成问题序号（que_no） #

你之前的写法是可行的，为了更清晰体现会话归属用户的逻辑，也可以按usr_id和ses_id组合分组：

# 每个会话内的问题按出现顺序编号，从1开始
df['que_no'] = df.groupby(['usr_id', 'ses_id']).cumcount() + 1

生成会话序号（ses_no） #

用Pandas原生的factorize结合分组transform就能高效实现每个用户的会话按顺序编号：

# 每个用户下的会话按首次出现顺序编号，从1开始
df['ses_no'] = df.groupby('usr_id')['ses_id'].transform(lambda x: x.factorize()[0] + 1)

最终结果 #

执行上述代码后，DataFrame的结构如下：

原理说明：factorize()会将每个用户组内的唯一ses_id映射为从0开始的整数，加1后得到从1开始的会话序号；transform方法保证结果对齐到原DataFrame的每一行。

内容的提问来源于stack exchange，提问作者mayur_m