如何在 Python pandas 中使用 df.groupby() 标记每个组？ [重复]

Question

注意：此问题可以与此处的一个现有问题相关联。然而，我的问题提供了一个更具体的例子，我相信它具有更广泛的影响。

考虑我们有一个 pandas 数据框，如下所示：

   Questions  cnt similarity
0       ABC    1  [1, 2, 3]
1       abc    2  [1, 2, 3]
2       cba    3  [2, 3, 1]
3      abcd    4  [4, 5, 6]
4      dcsa    5  [2, 3, 1]
5      adcd    6  [4, 5, 6]
6      abcd    7  [1, 2, 3]
7       cba    8  [7, 8, 9]

我必须在

cat

列的基础上添加另一列名为

similarity

的列。如果两行具有相同的

similarity

，则将它们归为同一组。以下是预期输出。任何输入都是有价值的。值得一提的是，原始数据集有

1M

行。谢谢。

  Questions  cnt similarity  cat
0       ABC    1  [1, 2, 3]    1
1       abc    2  [1, 2, 3]    1
2       cba    3  [2, 3, 1]    2
3      abcd    4  [4, 5, 6]    3
4      dcsa    5  [2, 3, 1]    2
5      adcd    6  [4, 5, 6]    3
6      abcd    7  [1, 2, 3]    1
7       cba    8  [7, 8, 9]    4

Answer 1

IIUC，你可以使用

pd.factorize

：

df["cat"] = pd.factorize(df["similarity"].astype(str))[0] + 1

输出：

print(df)

  Questions  cnt similarity  cat
0       ABC    1  [1, 2, 3]    1
1       abc    2  [1, 2, 3]    1
2       cba    3  [2, 3, 1]    2
3      abcd    4  [4, 5, 6]    3
4      dcsa    5  [2, 3, 1]    2
5      adcd    6  [4, 5, 6]    3
6      abcd    7  [1, 2, 3]    1
7       cba    8  [7, 8, 9]    4

Answer 2

一种方法是使用

groupby.ngroup()

:

df['cat'] = df.groupby('similarity').ngroup()+1

  Questions  cnt similarity  cat
0       ABC    1  [1, 2, 3]    1
1       abc    2  [1, 2, 3]    1
2       cba    3  [2, 3, 1]    2
3      abcd    4  [4, 5, 6]    3
4      dcsa    5  [2, 3, 1]    2
5      adcd    6  [4, 5, 6]    3
6      abcd    7  [1, 2, 3]    1
7       cba    8  [7, 8, 9]    4