Пометить вхождения значения несколько раз в столбце на основе дат с использованием pandas

Ниже мой фрейм данных:

df = pd.DataFrame({'ID':[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
                   'date': ['2020-12-1', '2020-12-2', '2020-12-3', '2020-12-4', 
                            '2020-12-10', '2020-12-11', '2020-12-12', '2020-12-13', 
                            '2020-12-25', '2020-12-26', '2020-12-27', '2020-12-28'],
                  'name':['a', 'a', 'a', 'a', 'b', 'b', 'b', 'b' , 'a', 'a', 'a', 'a']})

Выглядит так:

Пометить вхождения значения несколько раз в столбце на основе дат с использованием pandas

Я хочу, чтобы вывод был добавлен в столбец, как показано на рисунке:

Пометить вхождения значения несколько раз в столбце на основе дат с использованием pandas

Последний столбец добавляет уникальный идентификатор для каждого нового вхождения значения «а» в столбце «имя».

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
0
35
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Цепочка cumsum с shift

df['id2'] = df.name.ne(df.name.shift()).cumsum()
df
Out[456]: 
    ID        date name  id2
0    1   2020-12-1    a    1
1    1   2020-12-2    a    1
2    1   2020-12-3    a    1
3    1   2020-12-4    a    1
4    1  2020-12-10    b    2
5    1  2020-12-11    b    2
6    1  2020-12-12    b    2
7    1  2020-12-13    b    2
8    1  2020-12-25    a    3
9    1  2020-12-26    a    3
10   1  2020-12-27    a    3
11   1  2020-12-28    a    3

Спасибо за ваш ответ. Могу я проверить, что он делает?

Vishnu 06.05.2022 17:43

@Vishnu ne означает: != не равно

BENY 06.05.2022 18:05

Другие вопросы по теме