时间戳

首页 > 解决方案 > 如何根据熊猫中另一列中的唯一值创建升序值列

python - 如何根据熊猫中另一列中的唯一值创建升序值列

问题描述

我有一个数据集，其中每一行都是一个样本，一列（名称“Sample_ID”）命名每个样本（下面的df1）。一些样本重复多次（即“Sample_ID”具有相同的值）。我想根据从第一行到最后一行的简单升序模式（例如 SAMP001、SAMP002、SAMP003 等）为每个样本生成一个具有不同名称的新列（我将其称为“Sample_code”） . 但是具有相同 Sample_ID 的行也需要具有相同的 Sample_code 值（因此我不能简单地为新列生成一组升序的样本名称）。

在下面的示例数据中，df1 代表我的起始数据。df2 是我想要结束的：Sample_code 列值随着您向下每一行而上升，但对于 Sample_ID 重复的行具有相同的值。

我很困惑从哪里开始，所以任何帮助将不胜感激，谢谢。

import numpy as np
import pandas as pd

# df1
data1 = {'Sample_ID': ['123123','123456','123123','123789','456789', '123654'], 
    'Variable_A': [15,12,7,19,3,12],
    'Variable_B':["blue","red","red","blue","blue", "red"]}
df1 = pd.DataFrame(data1)


# df2
data2 = {'Sample_ID': ['123123','123456','123123','123789','456789', '123654'],
     'Sample_code' : ['SAMP001', 'SAMP002', 'SAMP001', 'SAMP003', 'SAMP004', 'SAMP005'],
    'Variable_A': [15,12,7,19,3,12],
    'Variable_B':["blue","red","red","blue","blue", "red"]}
df2 = pd.DataFrame(data2)

df1
df2

编辑 理想情况下，我希望升序 Sample_code 名称按行的原始顺序排列，因为起始数据集中的行按收集日期排序。我希望 Sample_code 名称基于您在行中第一次出现特定样本时的名称。一个新的说明性 df3 具有日期列，以说明我的意思。

# df3
data3 = {'Sample_ID': ['123123','123456','123123','123789','456789', 
'123654', '123123', '123789'], 
        'Date' : ['15/06/2019', '23/06/2019', '30/06/2019', '07/07/2019',
                  '15/07/2019', '31/07/2019', '12/08/2019', '27/08/2019'],
        'Variable_A': [15,12,7,19,3,12,7,9],
        'Variable_B':["blue","red","red","blue","blue", "red","blue", "red"]}
df3 = pd.DataFrame(data3)
df3

下面建议的解决方案有效，但它会根据出现重复 Sample_ID 值的最后一行创建 Sample_code 名称，例如 Sample_ID“123123”标记为“SAMP006”（对于最后一行，此值出现），但我想要这个一个是“SAMP001”（它出现的第一行）。

lookup = {}
for i, sample_name in enumerate(df3.Sample_ID):
    lookup[sample_name] = f'SAMP{i:03}'

df3['Sample_code'] = df3.Sample_ID.apply(lambda x: lookup[x])
df3

标签： pythonpandasdataframe

解决方案

使用 groupby 获取每个组号，然后应用字符串格式，例如：

df1['Sample_code'] = df1.groupby('Sample_ID').ngroup().add(1).apply('SAMP{:03}'.format)

推荐阅读