如何根据另一列中的值创建唯一 ID答案

【问题标题】：How can I create unique id based on the value in the other column如何根据另一列中的值创建唯一 ID
【发布时间】：2021-10-08 16:53:00
【问题描述】：

我想根据列中的值分配唯一 ID。例如。我有一张这样的桌子：

df = pd.DataFrame({'A': [0,0,0,0,0,0,0,1,1,1,1,1,1,0,0,0,0,0,0,1,1,1,0,0,0,0,1,1,1]}

最终我希望我的输出表如下所示：

	A	id
1	0	1
2	0	1
3	0	1
4	0	1
5	0	1
6	0	1
7	1	2
8	1	2
9	1	2
10	1	2
11	1	2
12	1	2
13	0	3
14	0	3
15	0	3
16	0	3
17	0	3
18	0	3
19	1	4
20	1	4
21	1	4
22	0	5
23	0	5
24	0	5
25	0	5
26	1	6
27	1	6
28	1	6

我尝试了data.groupby(['a'], sort=False).ngroup() + 1，但它没有按我想要的那样工作。任何帮助和指导将不胜感激！谢谢！

【问题讨论】：

如果可能的话 - 您能否格式化您的预期输出并再次重新发布您的问题？
我回滚了您的更改。请不要发图片

标签： python pandas dataframe unique-id

【解决方案1】：

diff + cumsum:

df['id'] = df.A.diff().ne(0).cumsum()

df
    A  id
0   0   1
1   0   1
2   0   1
3   0   1
4   0   1
5   0   1
6   0   1
7   1   2
8   1   2
9   1   2
10  1   2
11  1   2
12  1   2
13  0   3
14  0   3
15  0   3
16  0   3
17  0   3
18  0   3
19  1   4
20  1   4
21  1   4
22  0   5
23  0   5
24  0   5
25  0   5
26  1   6
27  1   6
28  1   6

【讨论】：

非常感谢！这正是我想要的！

【解决方案2】：

import pdrle
df["id"] = pdrle.get_id(df["A"]) + 1
df
#     A   id
# 0   0   1
# 1   0   1
# 2   0   1
# 3   0   1
# 4   0   1
# 5   0   1
# 6   0   1
# 7   1   2
# 8   1   2
# 9   1   2
# 10  1   2
# 11  1   2
# 12  1   2
# 13  0   3
# 14  0   3
# 15  0   3
# 16  0   3
# 17  0   3
# 18  0   3
# 19  1   4
# 20  1   4
# 21  1   4
# 22  0   5
# 23  0   5
# 24  0   5
# 25  0   5
# 26  1   6
# 27  1   6
# 28  1   6

【讨论】：

	A	id
1	0	1
2	0	1
3	0	1
4	0	1
5	0	1
6	0	1
7	1	2
8	1	2
9	1	2
10	1	2
11	1	2
12	1	2
13	0	3
14	0	3
15	0	3
16	0	3
17	0	3
18	0	3
19	1	4
20	1	4
21	1	4
22	0	5
23	0	5
24	0	5
25	0	5
26	1	6
27	1	6
28	1	6

	A	id
1	0	1
2	0	1
3	0	1
4	0	1
5	0	1
6	0	1
7	1	2
8	1	2
9	1	2
10	1	2
11	1	2
12	1	2
13	0	3
14	0	3
15	0	3
16	0	3
17	0	3
18	0	3
19	1	4
20	1	4
21	1	4
22	0	5
23	0	5
24	0	5
25	0	5
26	1	6
27	1	6
28	1	6

	A	id
1	0	1
2	0	1
3	0	1
4	0	1
5	0	1
6	0	1
7	1	2
8	1	2
9	1	2
10	1	2
11	1	2
12	1	2
13	0	3
14	0	3
15	0	3
16	0	3
17	0	3
18	0	3
19	1	4
20	1	4
21	1	4
22	0	5
23	0	5
24	0	5
25	0	5
26	1	6
27	1	6
28	1	6