如何用Pandas为分组数据分配1和0标记值？

给定如下DataFrame：

import pandas as pd

data = {'A': ['ABCD_1', 'ABCD_1', 'ABCD_1', 'ABCD_1', 'PQRS_2', 'PQRS_2', 'PQRS_2', 'PQRS_2', 'PQRS_2', 'PQRS_3', 'PQRS_4'], 'B':[2, 3, 5, 6, 7, 8, 9, 11, 13, 15, 17]}
df = pd.DataFrame(data)

需求：按A列分组，每个分组的第一行赋值1，其余行赋值0；如果分组只有一行，该行同样赋值1。

你尝试的pd.factorize(df['A']) + 1无法实现需求，因为factorize是给每个不同的分组分配递增的整数标记，而非识别分组内的首行。

解决方案1：使用groupby.cumcount() #

这是最简洁的方法，通过分组内计数判断是否为第一行：

df['P'] = df.groupby('A').cumcount().eq(0).astype(int)

• groupby('A').cumcount()：对每个分组内的行从0开始顺序计数
• .eq(0)：判断是否为分组内的第一行（计数为0），返回布尔值
• .astype(int)：将布尔值转为整数（True→1，False→0）

解决方案2：通过groupby.head(1)定位首行 #

先初始化新列全为0，再给每个分组的首行赋值1：

df['P'] = 0
# 获取每个分组第一行的索引，赋值1
df.loc[df.groupby('A').head(1).index, 'P'] = 1

最终输出结果 #

执行上述任意一种方法后，DataFrame会变为：

A   B  P
0   ABCD_1   2  1
1   ABCD_1   3  0
2   ABCD_1   5  0
3   ABCD_1   6  0
4   PQRS_2   7  1
5   PQRS_2   8  0
6   PQRS_2   9  0
7   PQRS_2  11  0
8   PQRS_2  13  0
9   PQRS_3  15  1
10  PQRS_4  17  1

内容的提问来源于stack exchange，提问作者user3046211