咨询：为Pseudo_ID分层下的UpdateDateO、UpdateTimeO分配唯一索引

我懂你现在的困扰——你手里的长格式数据是嵌套层级的：同一个Pseudo_ID下有多个不同的UpdateDateO，每个日期下又对应多个UpdateTimeO。你想要给每个Pseudo_ID下的日期分配唯一的连续索引，同时给每个日期下的时间也分配专属的连续索引对吧？下面我给你两种常用工具的实现方案：

方案一：用Python Pandas处理 #

Pandas的分组排名功能刚好能匹配你的需求，步骤非常清晰：

1. 构造示例数据（模拟你的数据结构） #

import pandas as pd

data = {
    'Pseudo_ID': [1, 1, 1, 1, 1],
    'UpdateDateO': ['2-6-2012', '2-6-2012', '2-6-2012', '3-6-2012', '3-6-2012'],
    'UpdateTimeO': [95740000, 95740001, 95740002, 182642000, 182642001]
}
df = pd.DataFrame(data)

2. 分配日期索引（按Pseudo_ID分组） #

我们用groupby结合rank(method='dense')来生成连续不跳号的索引：

# 给每个Pseudo_ID下的唯一日期分配连续索引
df['Date_Index'] = df.groupby('Pseudo_ID')['UpdateDateO'].rank(method='dense').astype(int)

method='dense'保证相同日期会得到同一个索引，不同日期按出现顺序生成连续序号，astype(int)把默认的浮点数转成整数索引更符合需求。

3. 分配时间索引（按Pseudo_ID+UpdateDateO分组） #

同理，我们在日期分组的基础上再细分时间层级：

# 给每个Pseudo_ID+日期组合下的时间分配连续索引
df['Time_Index'] = df.groupby(['Pseudo_ID', 'UpdateDateO'])['UpdateTimeO'].rank(method='dense').astype(int)

最终结果 #

处理后的DataFrame会是这样：

方案二：用SQL窗口函数处理 #

如果你习惯用SQL来处理数据，窗口函数DENSE_RANK()也能完美实现需求（以MySQL为例）：

SELECT 
    Pseudo_ID,
    UpdateDateO,
    UpdateTimeO,
    -- 按Pseudo_ID分区，给日期分配连续索引
    DENSE_RANK() OVER (PARTITION BY Pseudo_ID ORDER BY UpdateDateO) AS Date_Index,
    -- 按Pseudo_ID+UpdateDateO分区，给时间分配连续索引
    DENSE_RANK() OVER (PARTITION BY Pseudo_ID, UpdateDateO ORDER BY UpdateTimeO) AS Time_Index
FROM your_table_name;

这里的PARTITION BY就是分组逻辑，ORDER BY保证索引按日期/时间的顺序生成，DENSE_RANK()同样保证索引连续不跳号。

内容的提问来源于stack exchange，提问作者Feminem