如何使用Pandas groupby按用户分组生成订单序号索引列

核心需求回顾 #

给数据集新增orders列，规则如下：

• 同一用户同一订单的所有商品行序号完全相同
• 按订单创建时间排序，用户首次下单序号为1，后续依次递增

修改后代码（两种实现可选） #

方案1：简洁高效版（无需合并，一行生成结果） #

如果user_id + order_completed_at即可唯一标记一笔订单，直接用该代码即可：

df['orders'] = df.groupby('user_id')['order_completed_at']\
                 .transform(lambda x: pd.factorize(x, sort=True)[0] + 1)

如果业务中同一用户同一时间可能有多笔不同订单，需要加上cart作为订单唯一标识，修改为：

df['orders'] = df.groupby('user_id')[['order_completed_at', 'cart']]\
                 .transform(lambda x: pd.factorize(zip(x['order_completed_at'], x['cart']), sort=True)[0] + 1)

方案2：逻辑清晰版（适合需要中间校验订单的场景） #

# 提取所有唯一订单，按用户+订单时间排序后生成下单序号
unique_order = df[['user_id', 'order_completed_at']].drop_duplicates().sort_values(['user_id', 'order_completed_at'])
unique_order['orders'] = unique_order.groupby('user_id').cumcount() + 1

# 将序号映射回原数据集
df = df.merge(unique_order, on=['user_id', 'order_completed_at'], how='left')

原代码问题说明 #

你原来的代码最后一级分组是按cart维度做累计计数，完全没有关联用户维度，且前面的多级分组计数逻辑完全偏离了“按用户维度统计下单次数”的需求，直接替换为上述代码即可。

内容的提问来源于stack exchange，提问作者jpeg_punk