Pandas为DataFrame指定列值唯一组合创建从1开始的递增ID

你一开始想到用groupby(["A", "B"])的思路是完全正确的，不需要做额外的聚合、遍历分组操作，直接调用pandas分组对象自带的ngroup()方法就能快速生成组ID，注意匹配你预期的「ID按组合首次出现顺序递增」的要求，需要给groupby加sort=False参数关闭默认的分组键排序，代码如下：

import pandas as pd

# 原数据构造
df = pd.DataFrame({
    "year": [2000,2000,2000,2001,2001,2001],
    "A": [1,1,0,0,1,0],
    "B": [4,4,6,10,10,10]
})

# 生成ID：ngroup默认从0开始编号，+1即可得到从1开始的ID
df["ID_AB"] = df.groupby(["A", "B"], sort=False).ngroup() + 1

执行后输出的结果和你给出的预期效果完全一致：

year  A   B  ID_AB
0  2000  1   4      1
1  2000  1   4      1
2  2000  0   6      2
3  2001  0  10      3
4  2001  1  10      4
5  2001  0  10      3

其他可选实现方式 #

如果不想用groupby，也可以用pd.factorize()方法直接识别行组合生成编码，这个方法默认按值首次出现的顺序分配编号，不需要额外设置排序参数，大数据量下性能更好：

df["ID_AB"] = pd.factorize(zip(df["A"], df["B"]))[0] + 1

注意事项 #

• 如果不加sort=False参数，groupby会先对A、B列的组合做字典序排序再分配编号，比如(0,6)的组合会因为A列值更小被分配到ID1，和你预期的顺序不符
• 两种方法生成的ID都是连续整数，相同的A、B组合一定会拿到相同ID，不同组合ID不重复，完全满足需求。

内容的提问来源于stack exchange，提问作者Smithey