Pandas如何基于用户ID与登录状态生成分组递增序列列

你原代码的逻辑存在两个核心错误：

1. 没有提前按user_id做分组隔离，不同用户之间的状态变更会被误判为有效变化
2. 使用cumcount()会在每个分组内逐行计数，导致同一登录状态下的不同行序列值持续累加，不符合同状态序列值不变的需求

# 按user_id分组后，在单用户维度判断登录状态变化并做累积求和
df1['sequence'] = df1.groupby('user_id')['login_status'].apply(
    lambda x: (x != x.shift()).cumsum()
)

• 首先按user_id分组，确保不同用户的登录状态变更不会互相影响
• 每个用户组内，通过x != x.shift()判断当前行登录状态是否和上一行有差异，差异返回布尔值True（对应数值1），无差异返回False（对应数值0）
• 对布尔结果做累积求和：每次状态变化时累加值+1，同状态下累加值保持不变，最终结果正好匹配你需要的sequence规则

测试上述代码后，输出结果和你给出的预期完全一致。

内容的提问来源于stack exchange，提问作者spt hsb