如何在无循环时为Pandas DataFrame生成分组递增标识列？

完全不用写繁琐的循环，Pandas提供了两种简洁的向量化操作方案，完美匹配你的需求：

方案一：用pd.factorize()（最省心的选择） #

factorize()就是干这个活的——它会自动把你的name列里的唯一值按首次出现顺序映射成从0开始的连续整数，相同的字符串会得到相同的编码，正好完全符合你的预期。

直接上代码：

import pandas as pd

# 构建你的示例DataFrame
df = pd.DataFrame({'name': ['str_a', 'str_a', 'str_a', 'str_b', 'str_b', 'str_c', 'str_c']})

# 一键生成number列
df['number'] = pd.factorize(df['name'])[0]

运行后直接得到你要的结果：

方案二：用shift() + cumsum()（手动实现逻辑，适合理解原理） #

如果你想搞清楚背后的逻辑，可以手动实现“行值变化时加1”的规则：

1. 用shift()获取前一行的name值，和当前行对比生成布尔序列（标记是否进入新分组）
2. 对布尔序列累加（True会被当1，False当0），再减1就能得到从0开始的编码

代码示例：

# 标记是否是新分组的起始行
df['new_group'] = df['name'] != df['name'].shift()
# 累加后减1得到number列
df['number'] = df['new_group'].cumsum() - 1
# 可选：删除中间辅助列
df.drop('new_group', axis=1, inplace=True)

这个方法的结果和方案一完全一致，适合你理解底层的向量化操作逻辑。

内容的提问来源于stack exchange，提问作者Pi-R