如何按日期重新排序Pandas DataFrame中的ID列（保留行数）

现有一个已按日期降序排序的Pandas DataFrame，其中ID列未按升序排列（同一日期对应多个不同ID），原始数据如下：

ID  Date  
1   2022-05-13
1   2022-05-13
1   2022-05-13
3   2022-05-13
3   2022-05-13
3   2022-05-13
3   2022-05-13
16  2022-07-14
16  2022-07-14
16  2022-07-14
2   2022-07-14
2   2022-07-14
2   2022-07-14
2   2022-07-14
2   2022-07-14
2   2022-07-14
9   2022-08-11
9   2022-08-11

需要重新排列ID列，使ID按升序排列，同时保留每个原始ID对应的行数，最终结果如下：

ID  Date  
1   2022-05-13
1   2022-05-13
1   2022-05-13
2   2022-05-13
2   2022-05-13
2   2022-05-13
2   2022-05-13
3   2022-07-14
3   2022-07-14
3   2022-07-14
4   2022-07-14
4   2022-07-14
4   2022-07-14
4   2022-07-14
4   2022-07-14
4   2022-07-14
5   2022-08-11
5   2022-08-11

简洁实现方式 #

利用Pandas的groupby结合factorize方法，在每个日期分组内对原始ID进行连续升序编码，同时保留原有的行数分布：

import pandas as pd

# 构造示例DataFrame（实际使用时替换为你的数据）
data = {
    'ID': [1,1,1,3,3,3,3,16,16,16,2,2,2,2,2,2,9,9],
    'Date': ['2022-05-13']*7 + ['2022-07-14']*9 + ['2022-08-11']*2
}
df = pd.DataFrame(data)

# 按日期分组，对每组内的ID进行连续升序编码（从1开始）
df['ID'] = df.groupby('Date')['ID'].transform(lambda x: pd.factorize(x, sort=False)[0] + 1)

# 输出结果
print(df)

代码解释 #

• groupby('Date')：将数据按日期分组，确保只在同一日期内调整ID顺序
• pd.factorize(x, sort=False)：对每组内的唯一ID进行编码，返回从0开始的整数序列（sort=False保证按原始出现顺序编码）
• +1：将编码从0起始转为1起始，符合需求中的升序ID格式

分步实现（适合理解逻辑） #

如果需要更清晰的步骤拆解，可以按以下方式操作：

1. 按日期分组，提取每组内的唯一原始ID
2. 为每组内的唯一ID分配连续的新ID
3. 创建原始ID到新ID的映射字典
4. 用映射字典替换原始DataFrame中的ID列

import pandas as pd

# 构造示例DataFrame
data = {
    'ID': [1,1,1,3,3,3,3,16,16,16,2,2,2,2,2,2,9,9],
    'Date': ['2022-05-13']*7 + ['2022-07-14']*9 + ['2022-08-11']*2
}
df = pd.DataFrame(data)

# 1. 按日期分组，获取每组内的唯一ID并分配新ID
grouped_unique = df.groupby('Date')['ID'].unique().reset_index()
grouped_unique['new_ID_base'] = grouped_unique.groupby('Date').cumcount() + 1

# 2. 构建(ID, Date)到新ID的映射
id_map = {}
for _, row in grouped_unique.iterrows():
    date = row['Date']
    base_id = row['new_ID_base']
    for idx, orig_id in enumerate(row['ID']):
        id_map[(date, orig_id)] = base_id + idx

# 3. 替换原始ID列
df['ID'] = df.apply(lambda x: id_map[(x['Date'], x['ID'])], axis=1)

print(df)

内容的提问来源于stack exchange，提问作者Apook