如何基于pandas中另一列中的唯一值创建升序值列

Question

我有一个数据集，其中每一行都是一个样本，每一个样本都有一个列（名为“sample_ID”）（下面的df1）。某些样本重复多次（即“样本ID”的值相同）。我想根据从表中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（我称之为“样本代码”）。但是具有相同Sample_id的行也需要具有相同的Sample_代码值（因此我不能简单地为新列生成一组递增的示例名称）

在下面的示例数据中，df1表示我的起始数据。df2是我想要的结果：Sample_code列的值随着每行的下降而上升，但对于复制Sample_ID的行，其值相同

我很困惑从哪里开始，所以非常感谢您的帮助，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，我希望升序样本_代码名按行的原始顺序排列，因为起始数据集中的行是按收集日期排序的。我希望示例代码名基于您在下一行中第一次出现特定示例的时间。 一个新的说明性df3有一个date列，可以理解我的意思

# 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是可行的，但它会根据重复样本ID值出现的最后一行创建样本代码名，例如，样本ID“123123”标记为“SAMP006”（对于出现的最后一行，此值），但我希望此代码名为“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

Answer 1

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)