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)
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 id0 10/25/23 Bill A 30 11 10/25/23 Bill A 99 12 10/25/23 John B 10 23 10/25/23 John B 100 34 10/25/23 John B 1 35 10/25/23 John B 15 36 10/26/23 John C 45 47 10/27/23 Carl A 120 58 10/27/23 Carl A 99 59 10/27/23 Carl A 80 510 10/27/23 Carl A 101 611 10/27/23 Carl B 300 712 10/27/23 Carl A 12 813 10/27/23 Carl A 37 8
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。
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)
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 id0 10/25/23 Bill A 30 11 10/25/23 Bill A 99 12 10/25/23 John B 10 23 10/25/23 John B 100 34 10/25/23 John B 1 35 10/25/23 John B 15 36 10/26/23 John C 45 4
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，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1363522.html
微信扫一扫 
支付宝扫一扫 
