使用Python Pandas识别同金额交易并生成唯一标识列

先确认下我们的初始数据和生成的DataFrame：

import pandas as pd
import numpy as np

d = {'emp': ['a', 'a', 'a', 'b', 'b', 'b'], 'vendor': ['x', 'x', 'y', 'z', 'z', 'z'], 'date': [1,1,2,3,3,3], 'amount': [4.9, 4.8, 1, 6, 5.6, 5.4]}
df = pd.DataFrame(data=d)
df["rounds"]=np.ceil(df['amount'])

生成的结果如下：

amount  date emp vendor  rounds
0     4.9     1   a      x     5.0
1     4.8     1   a      x     5.0
2     1.0     2   a      y     1.0
3     6.0     3   b      z     6.0
4     5.6     3   b      z     6.0
5     5.4     3   b      z     6.0

一、识别所有金额相同的交易 #

要标记出所有存在重复金额的交易，我们可以新增一个布尔列来标识。用duplicated方法并设置keep=False，这样所有重复出现的金额对应的行都会被标记为True：

# 新增标记列，标记该金额是否存在重复交易
df['has_duplicate_amount'] = df.duplicated('amount', keep=False)

执行后，DataFrame会变成这样（你的示例数据里没有重复金额，所以全是False；如果有重复金额，对应的行会显示True）：

amount  date emp vendor  rounds  has_duplicate_amount
0     4.9     1   a      x     5.0                  False
1     4.8     1   a      x     5.0                  False
2     1.0     2   a      y     1.0                  False
3     6.0     3   b      z     6.0                  False
4     5.6     3   b      z     6.0                  False
5     5.4     3   b      z     6.0                  False

如果要筛选出这些重复交易，直接用df[df['has_duplicate_amount']]就能得到结果。

二、创建example列：同一emp下金额相同的交易分配唯一编号 #

这里分两种常用场景，你可以根据需求选择：

场景1：每个员工内部的编号独立递增 #

比如员工a的编号从1开始，员工b的编号也从1开始，同一员工下相同金额的交易共用同一个编号：

df['example'] = df.groupby('emp')['amount'].transform(lambda x: pd.factorize(x)[0] + 1)

执行后的结果：

amount  date emp vendor  rounds  example
0     4.9     1   a      x     5.0        1
1     4.8     1   a      x     5.0        2
2     1.0     2   a      y     1.0        3
3     6.0     3   b      z     6.0        1
4     5.6     3   b      z     6.0        2
5     5.4     3   b      z     6.0        3

如果员工a有两行金额为4.9的记录，那它们的example都会是1，完美实现同一emp下相同金额共享编号的需求。

场景2：全局唯一编号（跨员工） #

如果希望编号是全局唯一的，不同员工的相同金额也会分配不同编号：

df['example'] = df.groupby(['emp', 'amount']).ngroup() + 1

这种情况下，员工a的第一个金额编号是1，员工b的第一个金额编号是4，以此类推。

补充：更精细的重复识别（按需选择） #

如果你的“金额相同的交易”是指同一emp、vendor、日期下的重复金额，可以调整分组键：

# 标记这类场景下的重复交易
df['is_duplicate'] = df.duplicated(['emp', 'vendor', 'date', 'amount'], keep=False)
# 分配对应的唯一编号
df['example'] = df.groupby(['emp', 'vendor', 'date', 'amount']).ngroup() + 1

内容的提问来源于stack exchange，提问作者Ni_Tempe