Python Pandas中基于多个分类变量创建分组的惯用实现方法

你写的三层嵌套循环逻辑完全可以用Pandas原生惯用写法替换，代码更简洁、执行性能更高，且能保证输出结果和原逻辑100%一致。

原代码的核心逻辑是：按照三个字段取值的固定遍历顺序生成笛卡尔积组合，给每个组合分配从1开始的连续组号。我们可以通过有序分类+分组序号方法直接实现，不需要手写多层循环：

import pandas as pd

# 将三个字段转为有序分类，categories顺序严格对齐原循环的遍历顺序
df["age"] = pd.Categorical(df["age"], categories=["old", "young"], ordered=True)
df["gender"] = pd.Categorical(df["gender"], categories=["male", "female"], ordered=True)
df["education"] = pd.Categorical(
    df["education"],
    categories=["no high school", "high school", "college"],
    ordered=True
)

# 分组生成从0开始的连续组号，+1对齐原逻辑从1开始的编号规则
df["group"] = df.groupby(["age", "gender", "education"]).ngroup() + 1

实现说明 #

• 转有序分类的步骤是为了锁死每个字段的取值排序规则，确保分组时生成的组合顺序和你写的三层嵌套循环遍历顺序完全一致，不会因为值的字典序不同打乱组号对应关系
• ngroup()是Pandas分组对象自带的方法，会给每个唯一分组分配从0开始的连续整数编号，为C层面优化的向量化实现，没有Python层循环的额外开销
• 数据量越大，该写法相比原循环的性能优势越明显：原循环每次都要全表扫描做条件匹配，时间复杂度为O(12n)，该写法仅需一次全表遍历即可完成计算

如果你不需要严格对齐原循环的组号顺序，只是需要给三个字段的每个唯一组合分配独立ID，可以省略转有序分类的步骤，直接执行df["group"] = df.groupby(["age", "gender", "education"]).ngroup() + 1即可，此时组号会按字段值的默认排序规则分配。

内容的提问来源于stack exchange，提问作者David Mao