为DataFrame添加序列列：基于另一列唯一变量的连续计数

我来帮你解决这个问题！这个需求的核心是跟踪已出现的唯一ID，并在遇到新ID时递增序列值，下面是具体的实现方案：

实现思路 #

我们需要按顺序遍历ID列，维护一个记录已出现ID的集合：

• 每遇到一个从未出现过的ID，就将序列值加1，并把该ID加入集合
• 如果遇到的ID已经在集合中，保持当前序列值不变
• 最后将生成的序列值作为新列添加到DataFrame中

代码示例 #

首先构造示例数据并导入依赖：

import pandas as pd

# 构造你提供的示例数据
data = {'id': [163, 2, 4, 163, 176, 163, 2, 3]}
df = pd.DataFrame(data)

然后实现序列生成逻辑：

# 初始化用于跟踪的变量
seen_ids = set()
current_seq = 0
seq_values = []

# 按行遍历ID列
for id_val in df['id']:
    if id_val not in seen_ids:
        current_seq += 1
        seen_ids.add(id_val)
    seq_values.append(current_seq)

# 将生成的序列添加为新列
df['seq'] = seq_values

执行后得到的结果如下：

id  seq
0  163    1
1    2    2
2    4    3
3  163    3
4  176    4
5  163    4
6    2    4
7    3    5

补充说明 #

• 这个方法的优势是逻辑直观，完全保证行顺序的准确性，适合大多数数据规模的场景
• 如果你的DataFrame数据量极大（百万级以上），可以考虑用numba库对循环进行加速，进一步提升效率

内容的提问来源于stack exchange，提问作者MarieS