在数据框中创建包含一系列数字的列（python）

Question

我有下表（df）：

ColumnA	ColumnB	Blocks	Groups
B	32	1	A1
E	99	2	A1
I	76	3	A1
l	55	4	A1
m	27	5	A1
A	12	1	A2
F	123	2	A2
k	80	3	A2
m	27	4	A2
n	67	5	A2
C	44	1	A3
H	87	2	A3
J	231	3	A3
n	67	4	A3
o	34	5	A4
D	76	1	A4
G	65	2	A4

我想添加另一个附加列，其中包含基于“组”列的 ID 列表。对于 A1 组，它应该是 101,102,103,... A2 它应该是 201, 202, 203,... 输出表应该如下所示：

ColumnA	ColumnB	Blocks	Groups	IDs
B	32	1	A1	101
E	99	2	A1	102
I	76	3	A1	103
l	55	4	A1	104
m	27	5	A1	105
A	12	1	A2	201
F	123	2	A2	202
k	80	3	A2	203
m	27	4	A2	204
n	67	5	A2	205
C	44	1	A3	301
H	87	2	A3	302
J	231	3	A3	303
n	67	4	A3	304
o	34	5	A4	401
D	76	1	A4	402
G	65	2	A4	403

到目前为止我尝试了什么？

n = 4
TGn = round(len(df)/n)
idx = set(df.index // TGn)
df['IDs'] = (((df.index // TGn) + 1) * 100) + df.groupby('Groups').cumcount() + 1

这与组名（A1、A2、A3、A4）不一致。我该怎么做？

Answer 1

您可以使用str.slice(1) 提取组号，并将其转换为整数类型：

df['IDs'] = df.groupby('Groups').cumcount() + df['Groups'].str.slice(1).astype('int64') * 100 + 1

如果组名的数字部分前可能有多个字符，您可以使用str.replace：

df['IDs'] = df.groupby('Groups').cumcount() + df.Groups.str.replace(
    r'.*?(\d+)', r'\1', regex=True).astype('int64') * 100 + 1

Answer 2

尝试使用ngroup 为每个组分配相同的 ID。我将它们设为 100,200，... 等等，然后我将 cumcount() 结果添加到它们。

x = df.groupby('Groups')
y = x.ngroup().add(1).mul(100)
z = x.cumcount()+1
df['IDs'] = y+z

---

df:

	ColumnA	ColumnB	Blocks	Groups	IDs
0	B	32	1	A1	101
1	E	99	2	A1	102
2	I	76	3	A1	103
3	l	55	4	A1	104
4	m	27	5	A1	105
5	A	12	1	A2	201
6	F	123	2	A2	202
7	k	80	3	A2	203
8	m	27	4	A2	204
9	n	67	5	A2	205
10	C	44	1	A3	301
11	H	87	2	A3	302
12	J	231	3	A3	303
13	n	67	4	A3	304
14	o	34	5	A4	401
15	D	76	1	A4	402
16	G	65	2	A4	403

编辑： 您也可以从 Groups (A1, A2....) 中获取组号。我在写答案时没有检查。

df['IDs'] = (df.Groups.str.extract('(\d$)').astype(int).mul(100))[0] + df.groupby('Groups').cumcount()+1