Pandas数据框中为满足条件的连续行生成递增序号的最优方法

这类生成连续序号的需求，完全不需要写Python层面的逐行循环，向量化实现的性能比逐行.loc索引的写法高2~3个数量级，也能避免新手写循环时常见的逻辑bug。
你当前的循环写法存在两个硬伤：

• 循环每跑完一行就把计数变量j重置为2，根本没法生成连续递增的数值
• 逐行调用.loc读写单元格的写法，数据量超过1万行时运行效率会暴跌

匹配你业务场景的实现步骤 #

你的核心需求是：针对连续满足判定条件的行块，在块内部生成1、2、3…的连续整数序列，非满足条件的行该列留空，最终生成的序列可以直接用于透视表，且能配合第二个索引字段实现正确分组。

第一步：生成判定布尔掩码 #

先把“是否Duplicate为TRUE”的判断逻辑生成布尔Series，这是所有操作的基础：

# 新手常踩的坑：如果Duplicate列本身存的是布尔值，判断时不要给TRUE加引号，否则判断会恒为False
is_target_row = sales_data_cleansed_2['Duplicate'] == 'TRUE'

第二步：识别连续行块的边界 #

不需要手动遍历找连续行，通过布尔值的变化即可标记出所有连续同状态的行块：

# 当前行和上一行的判定结果不一致时，累计计数加1，给每个连续块分配唯一编号
block_id = (is_target_row != is_target_row.shift(1)).cumsum()

第三步：块内生成连续递增序号 #

# 每个块内部按行顺序累计位置，加1后即为从1开始的连续序号；不满足条件的行自动赋值为空值
sales_data_cleansed_2['sales_index'] = is_target_row.groupby(block_id).cumcount() + 1

常见需求错配说明 #

根据后续做透视表的使用场景，要先确认自己需要的是哪种计数逻辑，避免用错了序号导致透视结果错位：

• 上面的默认实现是块内独立计数：比如数据里有3段连续满足条件的行，每一段内部的序号都是从1开始重新累加，这种方式生成的序号作为块内标记，配合第二个分组字段做透视时，不会出现不同块的序号冲突的问题，完全匹配你的业务场景
• 如果需要的是全局顺序计数：也就是不管满足条件的行是不是连续出现，只要是满足条件的行，就按行出现的先后顺序，全局累加生成1、2、3…n的连续序列，那只需要一行代码实现：

sales_data_cleansed_2.loc[is_target_row, 'sales_index'] = range(1, is_target_row.sum() + 1)

内容的提问来源于stack exchange，提问作者Matt C