基于Unique ID #对date_time列排序并实现递增赋值的循环需求

嘿，我来帮你搞定这个需求！你想要的是基于Unique ID分组，对每组内的date_time列升序排序，然后给每条记录分配从1开始的连续数值对吧？用Python的Pandas库可以轻松实现，我给你两种实用的方法，还有例子供参考：

方法一：先排序再分组计数（直观易理解） #

这种方法先把整个数据集按Unique_ID和date_time排序，再对每个分组用cumcount()生成序号（注意cumcount()从0开始，所以要加1）：

import pandas as pd

# 先确保date_time是datetime类型（避免字符串排序出错）
df['date_time'] = pd.to_datetime(df['date_time'])

# 按Unique_ID和date_time升序排序整个数据集
df = df.sort_values(by=['Unique_ID', 'date_time'])

# 分组后分配从1开始的连续序号
df['sequence_num'] = df.groupby('Unique_ID').cumcount() + 1

方法二：用rank直接生成序号（无需提前排序） #

如果不想提前修改整个数据集的排序顺序，可以用rank()方法，在分组内对date_time排序并直接生成序号：

import pandas as pd

df['date_time'] = pd.to_datetime(df['date_time'])

# 分组内按date_time升序排名，method='first'保证相同时间时按原始顺序分配序号
df['sequence_num'] = df.groupby('Unique_ID')['date_time'].rank(method='first', ascending=True).astype(int)

效果示例 #

假设你的原始数据集是这样的：

经过上面任意一种方法处理后，会得到你预期的结果：

如果你的数据集用的是其他工具（比如SQL），也可以告诉我，我再给你对应的解决方案哦！

内容的提问来源于stack exchange，提问作者deez