如何在Pandas链式调用中使用groupby+ngroup生成分组ID？

嘿，我来帮你搞定这个链式调用的问题！你之前尝试用agg结合NamedAgg的方式行不通，主要有两个核心原因：

• ngroup()是Pandas分组对象的行级方法，用来给每一行分配对应的分组ID，不属于针对某列的聚合函数，所以没法用agg来调用它；
• pd.NamedAgg的column参数只能接收单个列名，不能传入列名列表，这也是代码报错的直接原因。

正确的链式实现方式 #

我们可以用assign方法结合匿名函数来实现链式调用，完美替代常规的分组赋值写法：

import pandas as pd
df = pd.DataFrame({'a':[1,1,1,2,2,2],'b':[1,1,2,1,1,2]})

# 链式调用生成分组ID
df = df.assign(newID=lambda x: x.groupby(['a', 'b']).ngroup())

运行后df的结果如下：

如果你更倾向于用pipe方法来实现链式调用，也可以这么写：

df = df.pipe(lambda df: df.assign(newID=df.groupby(['a', 'b']).ngroup()))

原理说明 #

• assign方法允许我们在DataFrame上直接新增列，并且可以通过匿名函数lambda x引用当前的DataFrame对象；
• 匿名函数里的x.groupby(['a', 'b']).ngroup()和你常规写法里的逻辑完全一致，会根据a和b的组合生成唯一的分组ID，顺序是按分组的出现顺序排列的。

内容的提问来源于stack exchange，提问作者safex