如何在Pandas中基于两列生成分组自增的唯一标识列

1. Python（Pandas，效率最优，适合大数据量） #

直接使用Pandas原生向量化分组计数方法，无循环开销，千万级数据量下也能保持极高处理效率：

import pandas as pd

# 假设df为你的原始数据集
df['unique_id'] = df.groupby(['column_1', 'column_2']).cumcount() + 1

cumcount()会按原始表的行顺序，在每个column_1+column_2分组内从0开始计数，加1后即可得到你需要的从1开始的序列值。

2. SQL实现 #

如果数据存储在关系型数据库中，直接使用窗口函数即可：

SELECT 
    column_1,
    column_2,
    ROW_NUMBER() OVER (PARTITION BY column_1, column_2 ORDER BY (SELECT 1)) AS unique_id
FROM your_table;

ORDER BY (SELECT 1)是为了兼容要求窗口函数必须带排序规则的数据库（如SQL Server），如果使用MySQL 8.0+、PostgreSQL等支持省略排序规则的数据库，可直接去掉该段，保留原始表的行顺序。

3. R实现 #

使用dplyr包的分组行计数方法：

library(dplyr)

df <- df %>%
  group_by(column_1, column_2) %>%
  mutate(unique_id = row_number()) %>%
  ungroup()

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