如何为DataFrame行分配从100开始的编号 重复行共用同编号

需求说明 #

针对存在重复行的DataFrame，为每一行分配从100起始的编号：

• 首次出现的唯一内容分配连续递增的新编号
• 后续遇到重复内容直接复用该内容首次出现时对应的编号
• 预期编号序列效果：100, 101, 101, 102, 103, 103, 103

原有代码问题 #

直接遍历df对象时，循环获取到的是DataFrame的列名，而非每行的内容，因此生成的映射关系和行重复判断无关，才会输出错误的编号结果。
原有错误代码：

d = {ni: indi for indi, ni in enumerate(df, start=100)}
index = [d[ni] for ni in df]

测试数据集：

data = { 'ID':['161464','146446','146446','368416','464344','464344','464344'],
'Name':['Jen','Zach','Zach','Rachel','Scott','Scott','Scott']}

正确实现方案 #

首先导入pandas并初始化测试DataFrame：

import pandas as pd
df = pd.DataFrame(data)

方案1：按指定列判断重复（推荐，性能更好） #

如果以某一列（比如示例中的ID列）作为重复判断依据，直接使用pandas内置的factorize()方法即可，该方法会自动为首次出现的唯一值分配从0开始的连续整数，重复值复用对应整数，加100就能得到目标编号：

# 以ID列为重复判断依据生成编号
df['assign_id'] = df['ID'].factorize()[0] + 100

运行后得到的结果完全匹配预期：

方案2：按整行内容判断重复 #

如果需要所有列内容完全一致才判定为重复，可将每行转为元组后再调用factorize()：

df['assign_id'] = df.apply(tuple, axis=1).factorize()[0] + 100

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