Python Pandas：如何分组并为组中的所有项分配id？

Question

我有df：

domain           orgid
csyunshu.com    108299
dshu.com        108299
bbbdshu.com     108299
cwakwakmrg.com  121303
ckonkatsunet.com    121303

我想添加一个新列，用每个orgid的数字id替换域列：

domain           orgid   domainid
csyunshu.com    108299      1
dshu.com        108299      2
bbbdshu.com     108299      3
cwakwakmrg.com  121303      1
ckonkatsunet.com 121303     2

我已经试过这一行了，但它没有给出我想要的结果：

df.groupby('orgid').count['domain'].reset_index()

有人能帮忙吗？

Answer 1

您可以使用sklearn.preprocessing中的LabelEncoder，例如：

df["domain"] = LabelEncoder().fit_transform(df.domain)

Answer 2

您可以对groupby对象调用rank，并传递参数method='first'：

In [61]:
df['domainId'] = df.groupby('orgid')['orgid'].rank(method='first')
df

Out[61]:
             domain   orgid  domainId
0      csyunshu.com  108299         1
1          dshu.com  108299         2
2       bbbdshu.com  108299         3
3    cwakwakmrg.com  121303         1
4  ckonkatsunet.com  121303         2

如果要覆盖列，可以执行以下操作：

df['domain'] = df.groupby('orgid')['orgid'].rank(method='first')