pandas如何为指定列唯一值首次出现生成递增计数器

你之前使用的df.groupby('val').cumcount()返回的是每个分组内部的行序号，会给重复值返回1、2……的组内编号，不符合重复值赋值为0的需求。

实现代码 #

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({'val': [100, 101, 104, 104, 106, 108, 108, 108]})

# 标记val列首次出现的行
is_first_occurrence = ~df['val'].duplicated()
# 首次出现的行生成递增计数器，其余行赋值为0
df['ctr'] = is_first_occurrence.cumsum().where(is_first_occurrence, 0)

输出结果 #

val  ctr
0  100    1
1  101    2
2  104    3
3  104    0
4  106    4
5  108    5
6  108    0
7  108    0

逻辑说明 #

• df['val'].duplicated()返回布尔序列，重复出现的位置为True，首次出现的位置为False，取反后得到所有首次出现的行标记。
• cumsum()对布尔值做累加计算（True视为1，False视为0），刚好给首次出现的行按顺序生成1、2、3……的递增序号。
• where()方法将非首次出现的位置值替换为0，得到目标结果。

内容的提问来源于stack exchange，提问作者A1122