Pandas DataFrame多层分组赋值时如何重置分组递增值？

你之前的代码中row_l1和row_l2直接对全表维度组合调用ngroup()，生成的是全表范围的全局连续编号，不会自动按上层Category分组重置计数，因此跨Category时编号会延续上一个分类的计数结果。
核心逻辑：分层级分组编号时，子层级的编号必须放在父层级的分组作用域内计算，才能实现进入父层级新分组时自动从1重置计数。

写法1：逻辑直观易读（适合中小数据量） #

import pandas as pd

# row_l0 原逻辑正确，保留即可
df['row_l0'] = df.groupby('Category', sort=False).ngroup() + 1

# row_l1：每个Category分组内独立对Process编号，跨Category自动重置
df['row_l1'] = df.groupby('Category', sort=False, group_keys=False)\
    .apply(lambda x: x.groupby('Process', sort=False).ngroup() + 1)

# row_l2：每个Category分组内独立对Parent编号，跨Category自动重置
df['row_l2'] = df.groupby('Category', sort=False, group_keys=False)\
    .apply(lambda x: x.groupby('Parent', sort=False).ngroup() + 1)

写法2：向量化高效版（适合百万级以上大数据量，性能比apply高3~10倍） #

df['row_l0'] = df.groupby('Category', sort=False).ngroup() + 1

df['row_l1'] = df.groupby('Category', sort=False, group_keys=False)['Process']\
    .transform(lambda x: x.factorize()[0] + 1)

df['row_l2'] = df.groupby('Category', sort=False, group_keys=False)['Parent']\
    .transform(lambda x: x.factorize()[0] + 1)

• 计算row_l1时，先按Category拆分数据块，每个数据块内部单独对Process做分组编号，不同Category的块之间编号互不影响，进入B类时自然从1开始计数。
• 计算row_l2时，同样先按Category拆分，每个块内部对Parent做分组编号，相同Parent值取同一编号，跨Category自动重置为1。
• 代码中保留sort=False参数，完全按照字段在原表中出现的顺序编号，不会自动排序打乱你原有的行顺序。

用你提供的样例数据运行上述代码，输出结果完全符合预期：

注：如果后续需要把row_l2的重置边界调整为Category+Process（即每个Process下的Parent从1开始编号），只需要把row_l2计算时的外层groupby键从['Category']改成['Category','Process']即可，逻辑可灵活扩展。

内容的提问来源于stack exchange，提问作者Maitiu