如何在Pandas中高效生成条件递增的序号列？

针对你这个需求，矢量化操作是处理大规模数据的最优解——完全避开Python级别的循环，利用pandas底层的C实现来提速，百万级数据也能轻松搞定。

核心思路 #

我们可以先把Event列等于START的标记为1，其他为0，然后对这个标记列做累加（cumsum()），这样每遇到一次START，累加值就会递增，后续的"操作"行自然继承当前的累加值，完美匹配你的需求。

完整代码示例 #

import pandas as pd

# 示例数据
df = pd.DataFrame({'Event': ['START', '操作', 'START', '操作', '操作']})

# 生成Seq列：先标记START为1，其余为0，再累加
df['Seq'] = (df['Event'] == 'START').cumsum()

# 查看结果
print(df)

输出结果 #

Event  Seq
0   START    1
1    操作    1
2   START    2
3    操作    2
4    操作    2

为什么这个方法高效？ #

• df['Event'] == 'START'会生成一个布尔数组，这是矢量化的比较操作，速度极快；
• cumsum()是pandas内置的矢量化累加方法，底层由C语言实现，比你之前用的循环（比如for逐行判断赋值）效率高几十甚至上百倍，完全适配大规模DataFrame的场景。

如果之前你用的是循环遍历的方式，那确实会在数据量大的时候卡顿——Python的循环是逐行处理，而矢量化操作是批量处理整个数组，这两者的性能差距在数据量越大时越明显。

内容的提问来源于stack exchange，提问作者sacuL