如何为DataFrame中连续重复的分组值分配递增分类编号

嘿，这个需求我太熟了！用Pandas的原生矢量化操作就能完美解决，完全不用写繁琐的for循环，代码简洁还高效，数据量大的时候优势特别明显。

先还原你的示例数据：

import pandas as pd
my_list = ['Apple', 'Apple', 'Orange', 'Orange','Orange','Banana']
grouping = pd.DataFrame(my_list, columns=['List'])

要实现给连续重复的分组分配递增编号，只需要一行代码就能搞定：

# 生成递增的分类编号列
grouping['Value'] = grouping['List'].ne(grouping['List'].shift()).cumsum()

运行后你就能得到预期的结果：

我来拆解下这段代码的逻辑：

• grouping['List'].shift()：把List列的所有元素向下偏移一行，这样就能让当前行和上一行的元素做对比
• ne()：是“not equal”的缩写，用来判断当前行和上一行的元素是否不同，不同返回True（对应数值1），相同返回False（对应数值0）
• cumsum()：对前面得到的布尔值序列做累加，每遇到一个True就会让总数加1，刚好实现“换组就递增编号”的效果

对比你之前用for循环的思路，这个方法是Pandas的矢量化操作，避免了逐行遍历的性能开销，数据量越大，速度差距越明显，而且代码可读性也更高。

另外要注意和factorize()区分开：pd.factorize(grouping['List'])[0] + 1会给所有相同的元素分配同一个编号（比如如果你的列表后面又出现Apple，它会继续用1），但你的需求是连续重复的组，所以我们上面的方法才是精准匹配的选择。

内容来源于stack exchange