如何在Pandas分组DataFrame中添加首个按组递增的person索引？

当然可以实现你的需求！问题的核心是要给每个唯一的id分配一个连续递增的整数编号，而不是给每一行单独编号。下面是两种简单高效的Pandas实现方法：

方法1：使用pd.factorize() #

factorize()方法专门用于将分类变量转换为连续的整数标签，正好匹配我们的需求——它会为每个唯一的id分配从0开始的递增编号，且同一id的编号完全一致。

示例代码：

import pandas as pd

# 构造原始数据
data = {
    "id": ["sdfg", "fgjh", "fgjh", "hjsa"],
    "last_name": ["Muller", "Smith", "Smith", "Jackson"],
    "first_name": ["Peter", "Rob", "Robert", "Michael"]
}
df = pd.DataFrame(data)

# 生成person列：对id进行factorize，取返回的标签部分
df["person"] = pd.factorize(df["id"])[0]

# 调整列顺序，把person放到最前面
df = df[["person", "id", "last_name", "first_name"]]

print(df)

输出结果：

person    id last_name first_name
0       0  sdfg    Muller       Peter
1       1  fgjh     Smith         Rob
2       1  fgjh     Smith      Robert
3       2  hjsa    Jackson     Michael

方法2：使用groupby().ngroup() #

另一种方法是先按id分组，再用ngroup()为每个分组分配连续的组编号，效果和上面完全一致：

示例代码：

# 生成person列：按id分组后获取组编号
df["person"] = df.groupby("id").ngroup()

# 同样调整列顺序
df = df[["person", "id", "last_name", "first_name"]]

为什么reset_index()不行？ #

reset_index()是对DataFrame的每一行重新分配索引，不管分组情况，所以会生成全局递增的行号，而不是按唯一id的分组编号，这和你的需求不匹配。

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