Pandas按loc10p分组后将subgrupoloc10转为全局连续编号的问题

解决方案 #

直接使用pandas内置的groupby.ngroup()方法即可完成需求，无需手动循环拆分DataFrame：

# 先按loc10p、subgrupoloc10升序排列，保证全局编号顺序符合预期
c2 = c2.sort_values(['loc10p', 'subgrupoloc10']).reset_index(drop=True)
# 按两个字段联合分组生成全局唯一编号，默认从0开始，加1后符合从1计数的规则
c2['subgrupoloc10'] = c2.groupby(['loc10p', 'subgrupoloc10'], sort=False).ngroup() + 1

结果验证 #

执行完上述代码后输出指定数据，可得到期望的结果：

print(c2[c2.loc10p.isin([1,2])][['loc10p','subgrupoloc10']])

原代码问题说明 #

之前的写法存在两个核心问题：

• 循环逻辑是给每个loc10p大组的所有行设置同一个编号，没有区分大组下的不同subgrupoloc10子组
• 从原df中筛选出来的temp是切片对象，直接修改不会生效，还会触发SettingWithCopyWarning告警

内容的提问来源于stack exchange，提问作者Arnoldo Oliva