使用 Pandas 根据多列和时间分配唯一ID-Python教程-PHP中文网

使用 Pandas 根据多列和时间分配唯一ID

碧海醫心

发布： 2025-07-10 18:30:22

原创

403人浏览过

使用 pandas 根据多列和时间分配唯一id

本文介绍了如何使用 Pandas 根据日期、名称、产品以及经过时间这四个维度为数据帧分配唯一ID。核心在于当相同日期、名称和产品组合下，经过时间大于等于100秒时，ID需要递增，直到日期、名称或产品发生变化。本文提供两种解决方案，并解释了其原理和适用场景。

解决方案一：基于比较和累积求和

此方案的核心思想是：首先，比较当前行与前一行的 "Date"、"Name" 和 "Product" 列的值是否发生变化；然后，判断 "Elapsed_time" 是否大于等于 100。只要上述两个条件中的任何一个成立，就递增 ID。

以下是实现该功能的代码：

import pandas as pd

# 示例数据
data = {'Date': ['10/25/23', '10/25/23', '10/25/23', '10/25/23', '10/25/23', '10/25/23', '10/26/23', '10/27/23', '10/27/23', '10/27/23', '10/27/23', '10/27/23', '10/27/23', '10/27/23'],
        'Name': ['Bill', 'Bill', 'John', 'John', 'John', 'John', 'John', 'Carl', 'Carl', 'Carl', 'Carl', 'Carl', 'Carl', 'Carl'],
        'Product': ['A', 'A', 'B', 'B', 'B', 'B', 'C', 'A', 'A', 'A', 'A', 'B', 'A', 'A'],
        'Elapsed_time': [30, 99, 10, 100, 1, 15, 45, 120, 99, 80, 101, 300, 12, 37]}
df = pd.DataFrame(data)

cols = ['Date', 'Name', 'Product']
df['id'] = (df[cols].ne(df[cols].shift())
     .assign(x=df['Elapsed_time'].ge(100))
     .any(axis=1).cumsum()
    )

print(df)

登录后复制

代码解释：

cols = ['Date', 'Name', 'Product']: 定义需要进行比较的列名列表。
df[cols].ne(df[cols].shift()): 使用 shift() 函数将 "Date"、"Name" 和 "Product" 列向下移动一行，然后使用 ne() 函数比较当前行与前一行是否不同。这将返回一个布尔型 DataFrame，指示哪些列发生了变化。
.assign(x=df['Elapsed_time'].ge(100)): 创建一个新的布尔列 'x'，指示 "Elapsed_time" 是否大于等于 100。
.any(axis=1): 对每一行应用 any() 函数，检查 "Date"、"Name"、"Product" 是否有任何一个发生变化，或者 "Elapsed_time" 是否大于等于 100。只要满足其中一个条件，就返回 True。
.cumsum(): 对布尔型 Series 应用 cumsum() 函数，计算累积和。由于 True 被视为 1，False 被视为 0，因此 cumsum() 会在每次满足条件时递增。

输出结果：

        Date  Name Product  Elapsed_time  id
0   10/25/23  Bill       A            30   1
1   10/25/23  Bill       A            99   1
2   10/25/23  John       B            10   2
3   10/25/23  John       B           100   3
4   10/25/23  John       B             1   3
5   10/25/23  John       B            15   3
6   10/26/23  John       C            45   4
7   10/27/23  Carl       A           120   5
8   10/27/23  Carl       A            99   5
9   10/27/23  Carl       A            80   5
10  10/27/23  Carl       A           101   6
11  10/27/23  Carl       B           300   7
12  10/27/23  Carl       A            12   8
13  10/27/23  Carl       A            37   8

登录后复制

适用场景：

此方案适用于数据帧未排序的情况。它通过比较相邻行来确定 ID 是否需要递增，因此不受数据顺序的影响。

解决方案二：基于分组和累积求和 (原答案)

此方案基于数据帧已经按照 "Date"、"Name" 和 "Product" 列排序的前提。它首先使用 groupby() 函数对数据进行分组，然后为每个组分配一个唯一的 ID。此外，它还考虑了 "Elapsed_time" 大于等于 100 的情况，并根据需要递增 ID。

Booltool

常用AI图片图像处理工具箱

140

查看详情

以下是实现该功能的代码：

import pandas as pd

# 示例数据
data = {'Date': ['10/25/23', '10/25/23', '10/25/23', '10/25/23', '10/25/23', '10/25/23', '10/26/23'],
        'Name': ['Bill', 'Bill', 'John', 'John', 'John', 'John', 'John'],
        'Product': ['A', 'A', 'B', 'B', 'B', 'B', 'C'],
        'Elapsed_time': [30, 99, 10, 100, 1, 15, 45]}
df = pd.DataFrame(data)

df['id'] = (df.groupby(['Date', 'Name', 'Product']).ngroup()
              .add(1+df['Elapsed_time'].ge(100).cumsum())
           )

print(df)

登录后复制

代码解释：

df.groupby(['Date', 'Name', 'Product']).ngroup(): 使用 groupby() 函数对数据按照 "Date"、"Name" 和 "Product" 列进行分组，并使用 ngroup() 函数为每个组分配一个唯一的整数 ID。
df['Elapsed_time'].ge(100).cumsum(): 创建一个布尔型 Series，指示 "Elapsed_time" 是否大于等于 100，然后使用 cumsum() 函数计算累积和。
.add(1+ ...): 将分组ID加上1，再加上Elapsed_time大于等于100的累积和。

输出结果：

       Date  Name Product  Elapsed_time  id
0  10/25/23  Bill       A            30   1
1  10/25/23  Bill       A            99   1
2  10/25/23  John       B            10   2
3  10/25/23  John       B           100   3
4  10/25/23  John       B             1   3
5  10/25/23  John       B            15   3
6  10/26/23  John       C            45   4

登录后复制

适用场景：

此方案适用于数据帧已经按照 "Date"、"Name" 和 "Product" 列排序的情况。如果数据未排序，则结果可能不正确。

总结

本文介绍了两种使用 Pandas 根据多列和时间分配唯一ID的解决方案。第一种方案适用于数据帧未排序的情况，而第二种方案适用于数据帧已经排序的情况。选择哪种方案取决于数据的特点和需求。在实际应用中，请务必根据数据的实际情况选择合适的方案。此外，在处理时间数据时，请确保数据类型正确，并进行适当的格式转换。

以上就是使用 Pandas 根据多列和时间分配唯一ID的详细内容，更多请关注php中文网其它相关文章！