基于油井ID重置计数的一维深度数据聚类ID生成问题

嘿，我完全懂你遇到的困扰——想给每口油井单独生成从1开始的深度聚类ID，但之前的for循环没达到预期效果对吧？其实不用绕弯子写循环，Pandas的groupby分组功能正好能解决这个问题，比循环高效还不容易出错！

先理清楚核心需求：我们要按油井ID（id）分组，每个组内根据用户指定的深度间隙判断聚类，而且每个油井的聚类ID都要从1重新开始计数。

解决思路 #

1. 先确保数据按油井ID和深度排序（你已经做了这一步，很关键）
2. 定义好你需要的深度间隙阈值（比如这里我设为5，你可以根据需求调整）
3. 按油井ID分组后，对每个组内的深度序列计算相邻差值，判断是否超过阈值
4. 对阈值判断结果做累加，再把序号调整为从1开始

完整可运行代码 #

import pandas as pd

# 原始数据
data = {'id': [1,1,1,1,1, 2,2,2,2,2, 3,3,3,3,3],
        'depth': [1,2,10,11,70, 0,20,75,150,155, 0,100,105,200,210],
        'temp':  [1,1,1,1,1, 2,2,2,2,2, 3,3,3,3,3],
        'surfT': [9,9,9,9,9,9,9,9,9,9,9,9,9,9,9]}

# 创建DataFrame
df = pd.DataFrame(data)
   
# 按油井ID和深度排序（确保相邻深度是连续的）
df.sort_values(by=['id', 'depth'], inplace=True, ascending=True)

# 👇 用户自定义深度间隙阈值，可根据需求修改
depth_gap = 5

# 核心操作：按油井分组生成组内聚类ID
df['cluster_id'] = df.groupby('id')['depth'].apply(
    lambda group_depth: (group_depth.diff() > depth_gap).cumsum() + 1
)

# 查看结果
print(df)

代码解释 #

• groupby('id')：把数据按每口油井拆成独立的小组，每个小组单独处理，不会互相干扰
• group_depth.diff()：计算当前组内相邻深度的差值，比如第一组的深度差是1,8,1,59
• (group_depth.diff() > depth_gap)：判断差值是否超过阈值，得到布尔序列（False, True, False, True），True代表这里要开启新聚类
• cumsum()：对布尔序列累加（True=1，False=0），得到从0开始的聚类序号，再加1就让序号从1开始了

运行结果 #

你会看到每口油井的cluster_id都是从1开始计数的，完全符合需求：

id  depth  temp  surfT  cluster_id
0    1      1     1      9           1
1    1      2     1      9           1
2    1     10     1      9           2
3    1     11     1      9           2
4    1     70     1      9           3
5    2      0     2      9           1
6    2     20     2      9           2
7    2     75     2      9           3
8    2    150     2      9           4
9    2    155     2      9           4
10   3      0     3      9           1
11   3    100     3      9           2
12   3    105     3      9           2
13   3    200     3      9           3
14   3    210     3      9           3

为什么之前的for循环没工作？ #

大概率是因为你在循环中处理每个ID时，没有正确隔离全局的cluster_id计数，导致上一个油井的序号延续到了下一个油井。而groupby天然帮我们做了分组隔离，每个组的计算都是独立的，完美避免了这个问题。

备注：内容来源于stack exchange，提问作者Dave