如何将Pandas dataframe列的Sentence_ID重置为从1开始的连续序列号

两种可直接落地的实现方法如下： #

方案1：使用pd.factorize()（推荐，性能更高，代码更简洁） #

这个方法可以直接将重复的原始ID映射为连续的整数序列，一行代码即可完成：

import pandas as pd
# 直接替换原Sentence_ID列
df['Sentence_ID'] = pd.factorize(df['Sentence_ID'])[0] + 1

说明：pd.factorize()会按照原始ID出现的顺序，给相同的ID分配同一个编码，默认编码从0开始，加1后刚好符合从1开始连续递增的要求。 #

方案2：使用groupby()+ngroup() #

如果习惯用分组逻辑实现，可以用这个方法，注意要加sort=False保留原始句子的顺序：

df['Sentence_ID'] = df.groupby('Sentence_ID', sort=False).ngroup() + 1

说明：ngroup()会给每个分组分配一个唯一的组编号，sort=False保证编号顺序和原始句子出现的顺序一致，不会按照原始ID的数值大小重排。 #

为什么不能直接用reset_index？ #

reset_index()是给DataFrame的每一行生成独立的行索引，会导致同一个句子的多行数据拿到不同的Sentence_ID，完全不符合需求，因此不适用。

内容的提问来源于stack exchange，提问作者Lter