Python Pandas：检查DataFrame行相似度并添加匹配计数列

嗨，作为Pandas新手遇到这类需求很正常，我来帮你一步步搞定！

首先我先明确你的需求：你想要给DataFrame新增一列，当某一行和之前的行在Device_Id和Msg这两个字段上都匹配时，这一列的数值就递增，对吧？如果是其他匹配规则，你可以随时调整下面的代码~

步骤1：构造示例DataFrame #

先把你给出的数据转换成可运行的Pandas DataFrame，方便你复现测试：

import pandas as pd

data = {
    'Device_Id': ['ABC123', 'ABC123', 'XYZ123', 'ABC123', 'XVZ123', 'PQR123', 'ABC123'],
    'Msg': ['connected', 'connected', 'device failed', 'connected', 'device failed', 'error', 'connected'],
    'Time': [1524724677, 1524724679, 1524724814, 1524725279, 1524725300, 1524725325, 1524725345]
}
df = pd.DataFrame(data)

步骤2：添加递增计数列 #

我们可以用groupby结合cumcount()方法来实现这个需求。groupby用来指定哪些字段相同才算“行匹配”，cumcount()会给每组内的行按顺序生成序号，加1后就能得到从1开始的递增计数：

# 按Device_Id和Msg分组，生成从1开始的计数列
df['Count'] = df.groupby(['Device_Id', 'Msg']).cumcount() + 1

最终结果 #

运行完上面的代码后，你的DataFrame会变成这样：

Device_Id          Msg        Time  Count
0    ABC123    connected  1524724677      1
1    ABC123    connected  1524724679      2
2    XYZ123  device failed  1524724814      1
3    ABC123    connected  1524725279      3
4    XVZ123  device failed  1524725300      1
5    PQR123         error  1524725325      1
6    ABC123    connected  1524725345      4

小说明 #

• 如果你的“行匹配”规则不是Device_Id+Msg，比如只按Device_Id计数，只需要把groupby的参数改成['Device_Id']就行；
• cumcount()默认从0开始计数，所以加1是为了让计数从1开始，如果你习惯从0开始，可以去掉+1。

内容的提问来源于stack exchange，提问作者MukundS