如何在Pandas DataFrame中按nodeType分组为subType分配枚举编号

原始DataFrame：

nodeType    subType
Supplier 1              Supplier    Supplier
Supplier 2              Supplier    Supplier
Supplier 3              Supplier    Supplier of another type
System Integrator       System Integrator   System Integrator
Availability Zone 1     Availability Zone   Server
Availability Zone 2     Availability Zone   Warehouse
Availability Zone 3     Availability Zone   Warehouse
Availability Zone 4     Availability Zone   Warehouse

需求：新增一列enumeration，规则为同一nodeType分组内，相同subType对应相同编号，不同subType按出现顺序分配不同编号。

预期结果：

nodeType            subType                    enumeration
Supplier 1                Supplier            Supplier                    0
Supplier 2                Supplier            Supplier                    0
Supplier 3                Supplier            Supplier of another type    1
System Integrator         System Integrator   System Integrator           0
Availability Zone 1       Availability Zone   Server                      0
Availability Zone 2       Availability Zone   Warehouse                   1
Availability Zone 3       Availability Zone   Warehouse                   1
Availability Zone 4       Availability Zone   Warehouse                   1

尝试过的代码（无法得到预期结果）：

nodes["enumeration"] = nodes.groupby("nodeType").subType.cumcount()

正确实现方案 #

使用groupby结合transform和factorize方法，代码如下：

nodes['enumeration'] = nodes.groupby('nodeType')['subType'].transform(lambda x: x.factorize()[0])

说明 #

• cumcount()的问题：它会对每个nodeType分组内的每一行按顺序生成递增数字，同一subType的不同行会得到不同编号，不符合需求。
• factorize()的作用：在每个nodeType分组内，将subType的唯一值按首次出现顺序映射为0、1、2...的整数编码，相同subType会得到相同编号。
• transform()的作用：将分组内的编码结果映射回原DataFrame的对应行，保证结果维度与原DataFrame一致。

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