如何为DataFrame的companies列生成按序计数的occurrences列

首先得说，你手动写循环的时候确实踩了几个典型的坑，我先帮你梳理下现有代码的问题：

• 无限循环风险：while str(companies[i]) == str(companies[i+1]) 会在同公司连续出现时一直跑，而且当i到最后一行时，i+1直接索引越界，这肯定会出问题
• 逻辑混乱：嵌套的if语句和companies.str.count(companies[i])会返回整列的计数，而不是当前行的累计序号，完全不符合你要的按出现顺序计数的需求
• 变量问题：函数名和内部列表都叫occurrences，容易搞混；最后返回的round_number根本没定义，这代码跑起来肯定报错

其实pandas早就帮我们封装好了这种需求的工具，完全不用写这么复杂的循环，给你两种靠谱的方案：

方法一：用pandas内置的groupby+cumcount（推荐） #

这是最简洁高效的方式，一行代码搞定：

import pandas as pd

# 假设你的DataFrame名为df
df['occurrences'] = df.groupby('companies').cumcount() + 1

原理说明： #

• groupby('companies') 把数据按公司名称分组
• cumcount() 会对每个分组内的行从0开始依次计数，加1之后就得到了你要的从1开始的连续序号
• 这种方式完全利用pandas的向量化操作，比手动循环快得多，尤其适合大数据量的场景

方法二：手动实现（适合理解底层逻辑） #

如果你想搞清楚底层怎么实现的，也可以用字典来记录每个公司的当前计数，避免依赖相邻行比较的错误逻辑：

def add_occurrences(df):
    company_counts = {}
    occurrences_list = []
    for company in df['companies']:
        # 公司第一次出现，初始化为1；否则计数加1
        if company not in company_counts:
            company_counts[company] = 1
        else:
            company_counts[company] += 1
        occurrences_list.append(company_counts[company])
    df['occurrences'] = occurrences_list
    return df

# 调用函数生成新列
df = add_occurrences(df)

这个方法逻辑清晰，不会出现索引越界或者无限循环的问题，每一步都能看到计数是怎么累计的。

最终效果验证 #

不管用哪种方法，你都会得到期望的结果：

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