如何对含重复game_id的pandas DataFrame按唯一值顺序重新编号？

你要的按首次出现顺序为唯一game_id生成从1开始的连续编号，用pandas内置方法即可实现，完全不需要用到reindex相关功能：

方法1：使用factorize（性能最优） #

pd.factorize会直接按照值第一次出现的顺序为唯一值分配整数编码，默认从0开始，加1即可得到你需要的编号：

import pandas as pd

# 假设你的投篮数据DataFrame变量名为knicks_shots
knicks_shots['game_order_id'] = pd.factorize(knicks_shots['game_id'], sort=False)[0] + 1

参数sort=False是默认值，显式标注是为了避免按game_id数值排序打乱出现顺序，确保第一个出现的0021300008对应编号1，第二个出现的0021300018对应编号2，以此类推。

方法2：使用groupby的ngroup方法 #

如果你更熟悉分组操作，也可以用分组编号的方式实现，效果完全一致：

knicks_shots['game_order_id'] = knicks_shots.groupby('game_id', sort=False).ngroup() + 1

结果验证 #

执行完后可以用下面的代码核对每个game_id对应的编号是否符合预期：

# 输出所有唯一game_id和对应的顺序编号
print(knicks_shots[['game_id', 'game_order_id']].drop_duplicates())

两种方法处理7000行数据的耗时都可以忽略，也不会修改原表的行顺序和其他字段内容。

内容的提问来源于stack exchange，提问作者darkenergy