如何统计DataFrame连续分组出现次数？已试cumcount/ngroup无效

你需要的是连续相同值的分组编号，而非全局相同值的分组，直接用groupby的cumcount或ngroup确实满足不了需求，得先识别连续分组的边界：

步骤1：构造示例数据 #

import pandas as pd

df = pd.DataFrame({
    'id': [1,2,3,4,5,6,7,8],
    'webpage': ['google', 'bing', 'google', 'google', 'yahoo', 'yahoo', 'google', 'google']
})

步骤2：计算连续分组编号 #

通过判断当前行与上一行的webpage是否不同，生成布尔序列后累加，就能得到连续组的编号：

df['count'] = df['webpage'].ne(df['webpage'].shift()).cumsum()

最终结果 #

运行后得到的DataFrame完全符合你的需求：

id webpage  count
0   1   google      1
1   2    bing       2
2   3   google      3
3   4   google      3
4   5   yahoo       4
5   6   yahoo       4
6   7   google      5
7   8   google      5

原理说明：ne()是"not equal"的缩写，shift()将列数据向下偏移一行，webpage.ne(webpage.shift())会在每次webpage发生变化的行返回True（视为数值1），其余行返回False（视为数值0）。cumsum()对这个序列累加后，自然生成了连续分组的唯一编号。

内容的提问来源于stack exchange，提问作者AAk