如何在生成序列的同时避免分组编号重复？

问题描述

我有一个 pandas 数据框，如下所示

df = pd.DataFrame({'sub_id': [101,101,101,102,102,103,104,104,105],
                   'test_id':['A1','A1','C1','A1','B1','D1','E1','A1','F1'],
                   'dummy':['hi','hello','how','are','you','am','fine','thank','you']})

我希望sub_id和test_id的每个组合都有唯一的ID(序列号)

请注意one subject can have duplicate test_ids but dummy values will be different。

类似地，multiple subjects can share the same test_ids如示例数据帧所示

因此，我尝试了以下两种方法，但它们都不正确。

df.groupby(['sub_id','test_id']).cumcount()+1  # incorrect
df['seq_id'] = df.index + 1 # incorrect

我希望我的输出如下

---

解决方案

iiuc：

通过ngroup()尝试：

df['seq_id']=df.groupby(['sub_id','test_id'],sort=False).ngroup()+1

df的输出：

   sub_id  test_id    dummy     seq_id
0   101     A1          hi          1
1   101     A1          hello       1
2   101     C1          how         2
3   102     A1          are         3
4   102     B1          you         4
5   103     D1          am          5
6   104     E1          fine        6
7   104     A1          thank       7
8   105     F1          you         8