如何为pandas DataFrame中连续重复的Chronological列值分配唯一ID

解决方案 #

直接使用pandas内置的向量化操作实现，仅需一行核心代码即可完成，执行效率远高于手动for循环遍历：

# 核心逻辑
dfA['unique_id'] = ((dfA['Chronological'] != dfA['Chronological'].shift(1)) | (dfA['Chronological'] == 0)).cumsum()

逻辑说明 #

• dfA['Chronological'].shift(1) 是把Chronological列整体向下偏移一行，用来和当前行的取值做对比
• 触发unique_id自增的条件有两个，满足任意一个就会生成新的id：
  • 当前行的Chronological取值和上一行不同
  • 当前行的Chronological取值为0（即使和上一行取值相同也会生成新id）
• 最后用cumsum()对布尔序列累加，自动生成连续的唯一id

注意事项 #

执行代码前请确保你的DataFrame已经按ID顺序排序，如果未排序可以先执行以下代码预处理：

dfA = dfA.sort_values('ID', ignore_index=True)

性能优势 #

这个方案是纯向量化操作，没有显式的Python层循环，所有计算都在pandas底层的优化逻辑中执行，时间复杂度为O(n)，哪怕处理百万级行的数据也能在毫秒级完成，比你之前的遍历+切片+拼接的方案效率高几十到上百倍。

内容的提问来源于stack exchange，提问作者Murtaza