如何按多列匹配条件对DataFrame分组并为同组打统一标签

直接使用Pandas原生分组方法即可实现需求，代码逻辑如下：

import pandas as pd
# 假设你的原始数据存放在df变量中
# 1. 定义用于分组匹配的字段
match_cols = ['l_name', 'f_name', 'city_state', 'zip']
# 2. 筛选出行数>=2的分组，给符合条件的分组分配从1开始的递增标签
valid_group_tags = df.groupby(match_cols)\
                     .filter(lambda x: len(x) >= 2)\
                     .groupby(match_cols)\
                     .ngroup() + 1
# 3. 将标签映射回原表，无匹配分组自动填充为0
df['tag'] = df.set_index(match_cols).index.map(valid_group_tags).fillna(0).astype(int)

逻辑说明 #

• 先按指定4个字段分组，过滤掉只有1行的分组，剩下的都是需要打标签的有效分组
• 用ngroup()方法给有效分组分配从0开始的编号，加1后就从1开始计数
• 把标签映射回原DataFrame时，没有匹配到的分组（即只有1行的分组）会得到NaN值，填充为0即可符合要求
• 整个过程基于Pandas原生接口实现，不需要自定义循环，处理百万级数据也能保持较好性能

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