pandas 为顺序不同的相同数据添加序号

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

在数据采集过程中，由于采集的顺序不同，得到不同的数据，但它们的内容是一样的，这时就需要我们将它们识别出来。本例，我们看看 pandas 如何将不同顺序但内容一样的数据添加相同的序号。

数据与需求

在 pandas DataFrame 中有两列：“a”和“b”：

import pandas as pd
import io

data = '''
a    b
1    2
4    3
2    1
3    4
5    6
4    7
'''

df = pd.read_csv(io.StringIO(data), sep='\s+')
df
# ...

需要在 df 中添加名为“no”的第三列，如果值相同（可以按不同顺序），则该列将为从1开始的一对提供一个数字，并且每次遇到新的对（至少有一个值不可见的对）时，它都应该递增。如果该对没有其他出现，该对内容继续增加1。即：

'''
a    b    no
1    2    1
4    3    2
2    1    1
3    4    2
5    6    3
4    7    4
'''

思路

我们先将两列 DataFrame 转为一个集合序列，因为集合内的元素没有顺序，再可以利用 pd.factorize() 将因子化，得到每个组合的序号，然后利用这个因子化序号来充将 no 列的内容。

代码

将 a、b 两列转为一个每个元素为集合的序列，这里用到了内置 frozenset 冻结集合，因为 set 不可哈希，在接下来的因子化过程中不能进行操作。即：

s = df.apply(frozenset, axis=1)
s
'''
0    (1, 2)
1    (3, 4)
2    (1, 2)
3    (3, 4)
4    (5, 6)
5    (4, 7)
dtype: object
'''

这样得到的是一个冻结集合序列：

s.map(type)
'''
0    <class 'frozenset'>
1    <class 'frozenset'>
2    <class 'frozenset'>
3    <class 'frozenset'>
4    <class 'frozenset'>
5    <class 'frozenset'>
dtype: object
'''

原数据中不同顺序的的内容也会被度为相同：

s.value_counts()
'''
(1, 2)    2
(3, 4)    2
(5, 6)    1
(4, 7)    1
Name: count, dtype: int64
'''

接下来因子化：

pd.factorize(s)
'''
(array([0, 1, 2, 3, 4, 5]),
 Index([(1, 2), (4, 3), (2, 1), (3, 4), (5, 6), (4, 7)], dtype='object'))
'''

得到了一个元组，第一个元素是它们的序号，相同的内容序号相同。

最后，我们取这个元组的第一个元素，再向量化加 1 就得到了结果。

df.assign(no=pd.factorize(s)[0] + 1)
'''
   a  b  no
0  1  2   1
1  4  3   2
2  2  1   1
3  3  4   2
4  5  6   3
5  4  7   4
'''

最终完成了需求。

相似案例：pandas 相同的行赋同一个值。

（完）

pandas 为顺序不同的相同数据添加序号

数据与需求

思路

代码

相关内容