如何在Pandas中根据连续累计值分配分组（含重置需求）

需求说明 #

给定如下DataFrame：

A          B code  cumul_sum
0  group1  group1_1    A          1
1  group1  group1_1    A          2
2  group1  group1_1    B          1
3  group1  group1_1    A          1
4  group1  group1_1    A          2
5  group1  group1_1    A          3
6  group2  group2_1    A          1
7  group2  group2_1    A          2
8  group2  group2_1    A          3

需要按A和B列分组，在每组内根据code的连续序列生成groupcat：

• 连续相同的code序列归为同一个groupcat
• 当code发生变化时，后续序列重新分配新的groupcat编号
• 每个A/B分组内的groupcat编号从1开始重置

预期结果：

A          B code  cumul_sum groupcat
0  group1  group1_1    A          1   group1
1  group1  group1_1    A          2   group1
2  group1  group1_1    B          1   group2
3  group1  group1_1    A          1   group3
4  group1  group1_1    A          2   group3
5  group1  group1_1    A          3   group3
6  group2  group2_1    A          1   group1
7  group2  group2_1    A          2   group1
8  group2  group2_1    A          3   group1

代码实现 #

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'A': ['group1', 'group1', 'group1', 'group1', 'group1', 'group1', 'group2', 'group2', 'group2'],
    'B': ['group1_1', 'group1_1', 'group1_1', 'group1_1', 'group1_1', 'group1_1', 'group2_1', 'group2_1', 'group2_1'],
    'code': ['A', 'A', 'B', 'A', 'A', 'A', 'A', 'A', 'A'],
    'cumul_sum': [1, 2, 1, 1, 2, 3, 1, 2, 3]
})

# 1. 标记每组内code的变化点：当前行code与上一行不同则为True，第一行默认标记为变化点
df['change_flag'] = df.groupby(['A', 'B'])['code'].apply(lambda x: x != x.shift()).fillna(True)

# 2. 在每组内累加变化标记，得到连续序列的编号
df['group_num'] = df.groupby(['A', 'B'])['change_flag'].cumsum()

# 3. 转换为要求的groupcat格式
df['groupcat'] = 'group' + df['group_num'].astype(str)

# 清理辅助列（可选）
df = df.drop(['change_flag', 'group_num'], axis=1)

# 查看结果
print(df)

逻辑解释 #

1. 变化标记：通过groupby(['A','B'])锁定分组范围，用x != x.shift()对比当前行与上一行的code，判断序列是否中断；第一行因无前置行，用fillna(True)标记为新序列的起点。
2. 生成编号：对每组内的变化标记做累加（cumsum()），每出现一次变化，编号加1，这样就能得到每组内连续code序列的唯一编号。
3. 格式转换：将数字编号拼接为groupX的字符串格式，得到最终的groupcat列。

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