Python Pandas：如何分组并为组中的所有项目分配 id？

Posted 2023-03-11

【中文标题】Python Pandas：如何分组并为组中的所有项目分配 id？

【英文标题】：Python Pandas: How can I group by and assign an id to all the items in a group?

【发布时间】：2016-07-03 23:03:08

【问题描述】：

我有 df:

domain           orgid
csyunshu.com    108299
dshu.com        108299
bbbdshu.com     108299
cwakwakmrg.com  121303
ckonkatsunet.com    121303

我想添加一个新列，用每个 orgid 的数字 id 替换域列：

domain           orgid   domainid
csyunshu.com    108299      1
dshu.com        108299      2
bbbdshu.com     108299      3
cwakwakmrg.com  121303      1
ckonkatsunet.com 121303     2

我已经尝试过这条线，但它没有给出我想要的结果：

df.groupby('orgid').count['domain'].reset_index()

有人可以帮忙吗？

【问题讨论】：

“未来”在此处重复：***.com/questions/41594703/…

【参考方案1】：

您可以在groupby 对象上调用rank 并传递参数method='first'：

In [61]:
df['domainId'] = df.groupby('orgid')['orgid'].rank(method='first')
df

Out[61]:
             domain   orgid  domainId
0      csyunshu.com  108299         1
1          dshu.com  108299         2
2       bbbdshu.com  108299         3
3    cwakwakmrg.com  121303         1
4  ckonkatsunet.com  121303         2

如果您想覆盖该列，您可以这样做：

df['domain'] = df.groupby('orgid')['orgid'].rank(method='first')

【讨论】：

你真的需要lambda吗？ rank 不是 SeriesGroupBy 对象的方法吗？

@DSM 好点，没必要因为我刚刚测试过所以已经删除了

【参考方案2】：

您可以使用 sklearn.preprocessing 中的 LabelEncoder，例如：

df["domain"] = LabelEncoder().fit_transform(df.domain)

【参考方案3】：

dplyr 非常直观

df %>% group_by(orgid) %>% mutate(domainid=row_number())

我正在将其移植到 python，datar:

from datar.all import *

df = tibble(
    domain=['csyunshu.com', 'dshu.com', 'bbbdshu.com', 'cwakwakmrg.com', 'ckonkatsunet.com'],
    orgid=[108299,108299,108299,121303,121303]
)

df >> group_by(f.orgid) >> mutate(domainid=row_number())
# <pandas.core.groupby.generic.DataFrameGroupBy object at 0x7ff728cba490>

df >> group_by(f.orgid) >> mutate(domainid=row_number()) >> showme()
[2021-03-13 00:55:12][datar][   INFO] # [DataFrameGroupBy] Groups: ['orgid'] (2)
#              domain   orgid  domainid
# 0      csyunshu.com  108299         0
# 1          dshu.com  108299         1
# 2       bbbdshu.com  108299         2
# 3    cwakwakmrg.com  121303         0
# 4  ckonkatsunet.com  121303         1

df >> group_by(f.orgid) >> mutate(domainid=row_number()+1) >> showme()
[2021-03-13 00:55:26][datar][   INFO] # [DataFrameGroupBy] Groups: ['orgid'] (2)
#              domain   orgid  domainid
# 0      csyunshu.com  108299         1
# 1          dshu.com  108299         2
# 2       bbbdshu.com  108299         3
# 3    cwakwakmrg.com  121303         1
# 4  ckonkatsunet.com  121303         2