本文旨在提供一种高效的解决方案，利用 Pandas 库为 DataFrame 数据行分配唯一 ID。该方案基于日期、名称、产品等多列组合，并结合时间间隔的条件判断，实现灵活的ID生成逻辑，适用于需要对数据进行分组和识别的场景。
在数据处理过程中，为 DataFrame 中的数据行分配唯一的 ID 是一项常见的任务。尤其是在需要根据多个列的组合以及时间间隔来动态生成 ID 时，更需要巧妙地利用 Pandas 库的功能。本文将介绍一种基于 Pandas 的方法，通过组合使用 ne (not equal)、shift、assign、any 和 cumsum 等函数，实现根据日期、名称、产品以及时间间隔（Elapsed_time）为 DataFrame 分配唯一 ID 的需求。
解决方案
假设我们有一个 DataFrame，包含 Date（日期）、Name（名称）、Product（产品）和 Elapsed_time（经过时间）等列。我们的目标是为每一行分配一个唯一的 ID，规则如下：
- 当 Date、Name 和 Product 的组合发生变化时，ID 递增。
- 在相同的 Date、Name 和 Product 组合内，如果 Elapsed_time 大于或等于 100 秒，则 ID 再次递增，并且后续行的 ID 保持递增后的值，直到 Date、Name 或 Product 发生变化。
以下代码展示了如何使用 Pandas 实现这一逻辑：
import pandas as pd
# 示例 DataFrame
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']: 定义一个列表，包含用于分组的列名。
- df[cols].ne(df[cols].shift()): 将当前行的 Date、Name 和 Product 与上一行进行比较，如果任何一个值不同，则返回 True，否则返回 False。 shift() 函数用于将 DataFrame 的列向下移动一行，方便进行比较。
- .assign(x=df['Elapsed_time'].ge(100)): 创建一个新的布尔列 x，如果 Elapsed_time 大于或等于 100，则该列的值为 True，否则为 False。
- .any(axis=1): 对每一行，判断 Date、Name、Product 的变化以及 Elapsed_time 是否大于等于 100，只要其中一个条件为 True，则该行的结果为 True。 axis=1 表示按行进行判断。
- .cumsum(): 对 any(axis=1) 的结果进行累加求和。由于 True 被视为 1，False 被视为 0，因此 cumsum() 的结果就是 ID。
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
总结
通过巧妙地组合 Pandas 的各种函数，我们可以高效地实现复杂的 ID 生成逻辑。 这种方法不仅简洁易懂，而且性能良好，适用于处理大型数据集。 在实际应用中，可以根据具体需求调整代码，例如修改分组的列名或调整时间间隔的阈值。
