Pandas新增Months_Adjusted列：Borrow_Rank变化时从0重置计数

现有名为df的pandas DataFrame，包含ID、Months、Borrow_Rank三个字段，原始样例数据如下：

需要新增Months_Adjusted列，计数规则为：按原有行顺序遍历，当前行Borrow_Rank取值与上一行不同时，重置计数从0开始；取值与上一行一致时，在上一行计数基础上加1。期望输出结果如下：

不需要写逐行遍历的循环，用pandas内置的向量化方法即可高效实现，核心逻辑是先识别Borrow_Rank连续相同值的分组，再在每个分组内生成从0开始的顺序计数：

import pandas as pd

# 生成连续同值分组的标记：相邻行Borrow_Rank不同时分组号递增
df["group_flag"] = (df["Borrow_Rank"] != df["Borrow_Rank"].shift()).cumsum()
# 按分组生成从0开始的顺序计数，即为目标列
df["Months_Adjusted"] = df.groupby("group_flag").cumcount()
# 删除临时使用的分组标记列
df.drop(columns="group_flag", inplace=True)

运行上述代码后得到的结果和预期完全一致。该实现为pandas原生向量化运算，数据量较大时运行效率远高于逐行遍历逻辑，且不会改变原数据的行顺序，第一行无前置数据的边界场景也会默认从0开始计数，符合规则要求。

内容的提问来源于stack exchange，提问作者simply_here