如何基于DataFrame的column1生成分组递增计数新列且保留column2

你担心groupby丢失column2数据的顾虑是多余的，pandas的groupby执行组内序列生成操作时不会修改、删除非分组列的数据，以下是具体实现方案：

推荐方案：groupby + cumcount（简洁高效） #

该方案严格保留原始行顺序，不会改动column2的任何数据，仅新增需要的column3列：

import pandas as pd

# 构造示例DataFrame，你可以替换为自己的数据源
data = {
    "column1": ["x","x","x","y","y","y","y","z","c","c"],
    "column2": ["X22","X26","X287","X26","X22","X287","X26","X27","X29","X22"]
}
df = pd.DataFrame(data)

# 核心实现逻辑：按column1分组，组内从0开始计数后加1得到从1开始的序号
# sort=False严格保留分组的原始出现顺序，避免序号错乱
df["column3"] = df.groupby("column1", sort=False).cumcount() + 1

替代方案：手动遍历计数（无需groupby） #

如果不想使用groupby，也可以通过字典记录每个分组的出现次数，遍历生成序号：

count_map = {}
column3_list = []
for group_val in df["column1"]:
    # 分组值不存在则初始化为0，每次累加1
    count_map[group_val] = count_map.get(group_val, 0) + 1
    column3_list.append(count_map[group_val])
df["column3"] = column3_list

两种方法输出的结果和你预期的完全一致，column2的所有数据都会完整保留。

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