pandas dataframe从元素频率大于1的列创建唯一的id

Question

我有以下数据帧：

line# key amino0 pos0 amino1 pos1 amino2 pos2 0 14 A 13 M 2 K 14 1 12 A 13 M 2 A 1 2 1 A 1 M 2 P 3 3 2 P 3 P 4 B 6 4 1 A 1 M 2 P 35 5 12 A 31 A 32 M 41 6 1 M 24 P 23 A 22 7 12 A 31 A 32 M 42 8 4 J 5 P 4 B 6 9 3 B 6 I 7 P 4 10 8 B 6 H 10 I 7

Answer 1

如果key列的类型是string，请使用^{}：

df['key'] += df.groupby('key').cumcount().add(1).astype(str).radd('_')
#alternative
#df['key'] +=  '_' + df.groupby('key').cumcount().add(1).astype(str)

如果需要先转换整数：

df['key'] = df['key'].astype(str) + '_' + df.groupby('key').cumcount().add(1).astype(str)
print (df)
    line#   key amino0  pos0 amino1  pos1 amino2  pos2
0       0  14_1      A    13      M     2      K    14
1       1  12_1      A    13      M     2      A     1
2       2   1_1      A     1      M     2      P     3
3       3   2_1      P     3      P     4      B     6
4       4   1_2      A     1      M     2      P    35
5       5  12_2      A    31      A    32      M    41
6       6   1_3      M    24      P    23      A    22
7       7  12_3      A    31      A    32      M    42
8       8   4_1      J     5      P     4      B     6
9       9   3_1      B     6      I     7      P     4
10     10   8_1      B     6      H    10      I     7

详细信息：

首先使用^{}作为列key定义的每个组的计数器：

print (df.groupby('key').cumcount())
0     0
1     0
2     0
3     0
4     1
5     1
6     2
7     2
8     0
9     0
10    0
dtype: int64

然后^{}1从1开始，就像+ 1：

print (df.groupby('key').cumcount().add(1))
0     1
1     1
2     1
3     1
4     2
5     2
6     3
7     3
8     1
9     1
10    1
dtype: int64

要转换为字符串，请使用^{}，^{} means obviously ^{}：

print (df.groupby('key').cumcount().add(1).astype(str))
0     1
1     1
2     1
3     1
4     2
5     2
6     3
7     3
8     1
9     1
10    1
dtype: object