Python/Pandas中出现新地址行时重置计数列的实现及注意事项

核心实现逻辑 #

你可以通过groupby搭配cumcount方法实现需求，假设你的DataFrame中存储地址的列名为address，若实际列名不同可自行替换：

# 按地址分组，每组内按行出现顺序从1开始生成计数列
df['Epoch'] = df.groupby('address', sort=False).cumcount() + 1

cumcount默认从0开始返回分组内的行序号，加1后即可满足从1开始计数的要求。sort=False参数用于保留原始数据的行顺序，避免pandas默认对分组地址排序打乱原有记录的先后。

构造DataFrame的注意事项 #

• 相同地址是否需要集中存放：取决于你的计数规则：
  • 若要按照原始数据的行出现顺序计数（同一个地址的行分散在不同位置时，每出现一次计数加1，中间穿插其他地址的记录不会重置该地址的计数），则不需要提前集中相同地址的行，直接运行上述代码即可。
  • 若要求同一个地址的所有行计数连续，不会被其他地址的行打断，则需要先将相同地址的行排序集中后，再执行计数逻辑。
• 地址列的数据类型需要保持统一，避免出现字符串、其他类型混合的情况，否则会被groupby识别为不同分组，导致计数错误。
• 若不需要对空地址计数，建议提前用df = df.dropna(subset=['address'])过滤地址为空的行，避免空值单独成组生成无效计数。
• 若要严格保留原始数据的行顺序，必须在groupby中添加sort=False参数，pandas默认groupby会对分组键做升序排序，会改变原有行的先后顺序。

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