如何在pandas DataFrame中插入按分组顺序编号的SEQUENCE子ID列

你原有代码无法运行、逻辑不符合预期的原因有两点：

• 多列选择语法错误：pandas 选取多列时必须传入列名列表，df['ID', 'TYPE']属于非法写法，正确写法为df[['ID', 'TYPE']]
• 方法选择错误：cumsum()用于做累加计算，无法生成组内顺序编号，且没有处理seq前缀的拼接逻辑。

使用pandas内置的groupby().cumcount()方法即可实现需求，该方法会按行的原始出现顺序，为每个分组内的行生成从0开始的连续整数编号，和你需要的编号规则完全匹配，完整代码如下：

# 生成带seq前缀的顺序子ID列
df['SEQUENCE'] = 'seq' + df.groupby(['ID', 'TYPE']).cumcount().astype(str)

# 调整列顺序，和给出的示例列顺序完全对齐
df = df[['ID', 'TYPE', 'SEQUENCE', 'ESC', 'END']]

执行代码后得到的DataFrame和预期效果完全一致：

ID TYPE SEQUENCE       ESC  END
0  TRL  EC1     seq0  MISL1123   36
1  TRL  EC2     seq1  XISL1124   57
2  LBL  EC1     seq0    CARB24   20
3  LBL  EC1     seq1    AARB70   96
4  LBL  EC2     seq2     MUT23   79

补充说明：cumcount()默认按行在原表中的先后顺序计数，如果你需要先按某字段排序再生成编号，在分组前先执行df = df.sort_values(by='指定排序字段')即可。

内容的提问来源于stack exchange，提问作者Rob John