将组索引值添加到组

Question

我有一个类似的数据框（'df'）（在此示例中进行了简化）：

index |     timestamp    | value
================================
001   | 2020-09-20 07:00 | 1.4
002   | 2020-09-20 07:00 | 1.5
001   | 2020-09-20 09:00 | 1.6
002   | 2020-09-20 09:00 | 1.4
001   | 2020-09-20 11:00 | 1.23
002   | 2020-09-20 11:00 | 1.46

如果我这样做： grouped = df.groupby('timestamp') 我现在有一个包含三个组的 groupby。我现在需要添加一个“date_time_trigger”列，其中包含一个基于组索引的值：

index |     timestamp    | value | date_time_trigger
================================================
001   | 2020-09-20 07:00 | 1.4   | triggergroup1
002   | 2020-09-20 07:00 | 1.5   | triggergroup1
001   | 2020-09-20 09:00 | 1.6   | triggergroup2
002   | 2020-09-20 09:00 | 1.4   | triggergroup2
001   | 2020-09-20 11:00 | 1.23  | triggergroup3
002   | 2020-09-20 11:00 | 1.46  | triggergroup3

然后我需要将这些组组合回原始数据框。我尝试简单地将列添加到原始数据框中，然后在组迭代器中更改其值：

idx=0
df['date_time_trigger']='foo'
grouped = df.groupby('timestamp')
for name,group in grouped:
  idx=idx+1
  group['date_time_trigger']='triggergroup'+str(idx)

据我所知，date_time_trigger 的值是在每个组内设置的，但是现在 我需要将该组重新组合到原始数据帧 df 中以继续我的过程。我可以在文档中找到的唯一方法是应用某种类型的聚合，例如平均值或平均值，但我只需要 groupby 将标签添加到每个组实例。如何取回我的数据框？

Answer 1

检查factorize

df['group'] = df['timestamp'].factorize()[0]+1

方法二

df.groupby('timestamp').ngroup().add(1).astype(str).radd('triggergroup')

0    triggergroup1
1    triggergroup1
2    triggergroup2
3    triggergroup2
4    triggergroup3
5    triggergroup3
dtype: object