如何为DataFrame中单调递增序列分组并添加分组列？

嘿，这个场景太常见了！用循环确实效率堪忧，尤其是数据量上去之后，咱们直接用Pandas的矢量化操作就能轻松搞定，速度快到飞起～

核心思路很简单：找到每一段递增序列的起始点（也就是当前x比前一个x小的位置），然后对这些起始点做累加，就能得到分组的y值了。

直接上代码：

import pandas as pd

# 先构造你的示例数据
df = pd.DataFrame({'x': [1,2,3,4,1,2,3,1,2,3,4,5,6,1,2]})

# 一步到位生成y列
df['y'] = (df['x'].diff() < 0).cumsum() + 1

# 看看结果
print(df)

运行后输出的结果完全符合你的需求：

x  y
0   1  1
1   2  1
2   3  1
3   4  1
4   1  2
5   2  2
6   3  2
7   1  3
8   2  3
9   3  3
10  4  3
11  5  3
12  6  3
13  1  4
14  2  4

我来拆解一下每一步的逻辑：

• df['x'].diff()：计算当前行x和前一行x的差值，第一行因为没有前一行，结果是NaN。
• (df['x'].diff() < 0)：判断差值是否小于0——如果是，说明当前x比前一个小，意味着新的递增序列开始了，标记为True；其他情况（包括第一行的NaN）标记为False。
• .cumsum()：对标记列做累加，每遇到一个True，累加值就加1，这样就得到了分组的基准序号（从0开始）。
• +1：把基准序号加1，正好对应你需要的1、2、3、4分组编号。

这种方法完全是矢量化运算，避免了循环遍历，数据量越大，效率优势越明显，绝对比循环靠谱多了～

内容的提问来源于stack exchange，提问作者Olivia