如何用for循环创建列？为DataFrame生成ID重复次数对应列

我已经用for循环统计了DataFrame中ID的重复次数，现在需要新增一列记录每个对应ID的重复总数——也就是给df['ID']添加一列，显示该ID的出现次数，同时想了解如何用groupby命令实现这个需求。

我的现有代码：

test = df['ID'].sort_values(ascending=True)

rep = 0
for k in range(0,len(test)-1):
  if(test[k]==test[k+1]):
    rep += 1
    if(k==len(test)-2):
      print(test[k],',', rep+1)
  else:
    print(test[k],',', rep+1)
    rep = 0

输出结果：

7614381 , 1 
349444 , 5 
4577800 ,7

你不需要用循环实现这个需求，pandas提供了更高效的内置方法，以下两种方式都能快速完成：

方法1：使用value_counts映射 #

这是最简洁的方式，先统计每个ID的出现次数，再映射到新列：

df['重复次数'] = df['ID'].map(df['ID'].value_counts())

df['ID'].value_counts()会返回一个以ID为索引、出现次数为值的Series，map方法会自动将每行的ID对应到对应的次数，填充到新列中。

方法2：使用groupby + transform #

如果你想基于groupby实现，用transform可以将分组统计的结果广播到原DataFrame的每一行：

df['重复次数'] = df.groupby('ID')['ID'].transform('count')

• groupby('ID')：按ID对DataFrame分组
• transform('count')：计算每组的行数（即该ID的出现次数），并将结果扩展到原DataFrame的对应行，保证每行都能获取到所属ID的总次数。

为什么不用循环？ #

循环的方式在数据量较大时会非常慢，而上述两种方法都是pandas的向量化操作，底层用C实现，性能远高于Python循环，代码也更简洁易维护。

内容的提问来源于stack exchange，提问作者Luan Brito