如何创建pandas新列，实现按hourOfDay分组组内同值、整体递增ID

实现方案 #

你可以直接使用pandas内置的分组编号能力实现，不需要拆分合并DataFrame，有两种常用的简洁写法，都兼容category列后续扩展更多取值的场景：

方法1：使用groupby.ngroup()（逻辑最直观）

groupby.ngroup()会按分组的排序顺序为每个分组分配唯一整数编号，默认从0开始，加1即可得到你需要的从1开始的单调递增ID，同一hourOfDay分组内所有行的编号完全一致：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'hourOfDay': [5,5,8,8,13,13],
    'category': ['pageA','pageB','pageA','pageB','pageA','pageB'],
})

# 新增单调递增ID列
df['index'] = df.groupby('hourOfDay', sort=True).ngroup() + 1

执行后输出结果和你预期的完全一致。

方法2：使用pd.factorize()（性能更高，适合大数据量）

如果你的数据量较大，用factorize直接对hourOfDay列做因子化处理的性能会比分组操作更好：

df['index'] = pd.factorize(df['hourOfDay'], sort=True)[0] + 1

两种方法都默认按hourOfDay的升序分配ID，如果需要调整ID生成顺序，修改sort参数即可。

内容的提问来源于stack exchange，提问作者Bitswazsky