如何为DataFrame指定列的取值范围分配有序序号

场景说明 #

现有DataFrame某列取值为139~150的整数，存在重复值，需要将列值映射为有序序号，规则为139→0、140→1...，如果需要150对应10调整减数即可。

方案1：直接数值计算（推荐，适合当前连续值场景） #

直接用列值减去起始值139即可得到对应序号，性能最优：

import pandas as pd

# df为你的DataFrame，col为待映射的列名，new_col为生成的序号列名
df['new_col'] = df['col'] - 139

如果需要150对应10，将上方的139替换为140即可。

方案2：通用场景（非连续值也可使用） #

如果列值不连续，只需要按从小到大的顺序分配唯一序号，可以用pd.factorize实现：

# 按列值升序分配序号，相同值序号一致
df['new_col'] = pd.factorize(df['col'].sort_values())[0]

效果验证 #

用测试数据运行效果如下：

# 构造测试数据
df = pd.DataFrame({'col': [139,140,139,145,150,142]})
df['new_col'] = df['col'] - 139
print(df)

输出结果：

col  new_col
0  139        0
1  140        1
2  139        0
3  145        6
4  150       11
5  142        3

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