pandas中基于列组合分配非数值类别型分组ID的实现问题

问题原因 #

1. 原有代码中groupby指定的列名和实际列名不匹配：原始数据的列名为Col 1、Col 2，代码中写的Col、Col2会导致报错。
2. ngroup()方法返回的是整数类型，即使通过astype('category')转换为分类类型，其取值依然为数字，不符合非数值类别的需求。

实现代码 #

你可以将ngroup()生成的数字ID映射为大写字母，再转换为分类类型即可实现需求：

# 按两列组合生成数字分组ID
data['GroupID'] = data.groupby(['Col 1', 'Col 2']).ngroup()
# 将数字ID映射为大写字母，0对应A、1对应B，以此类推
data['GroupID'] = data['GroupID'].apply(lambda x: chr(ord('A') + x)).astype('category')

如果你本身已经提前计算好了Combination列，也可以直接基于该列生成映射：

# 生成组合与字母ID的映射字典
comb_map = {comb: chr(ord('A') + idx) for idx, comb in enumerate(data['Combination'].unique())}
# 映射生成GroupID并转换为分类类型
data['GroupID'] = data['Combination'].map(comb_map).astype('category')

补充说明 #

如果你的分组数量超过26个，需要更长的字母组合（类似Excel列名AA、AB这类格式），可以替换上面的映射逻辑，适配多字母生成规则即可。

内容的提问来源于stack exchange，提问作者archer