如何在 Pandas 中为每组数据添加按时间顺序递增的累计计数列

轻静君_8076

轻静君_8076

2026-11-19

377人浏览

原创

如何在 Pandas 中为每组数据添加按时间顺序递增的累计计数列

本文介绍如何使用 pandas.groupby().cumcount() 为按时间排序的分组数据生成“第几次出现”的序号列,适用于动物收容所等需追踪同一实体多次事件的场景。

本文介绍如何使用 `pandas.groupby().cumcount()` 为按时间排序的分组数据生成“第几次出现”的序号列,适用于动物收容所等需追踪同一实体多次事件的场景。

在处理时序性重复记录(如同一动物多次入舍/离舍)时,常需标识每条记录在其所属个体历史中的顺序位置(例如“第1次入舍”“第2次入舍”)。关键在于:既要按个体分组,又要确保组内记录严格按时间先后排序,否则累计计数将失去业务意义。

实现该目标的核心步骤如下:

  1. 确保时间列已转为 datetime 类型:便于准确排序与后续分析;
  2. 按分组键(如 'Animal ID')和时间列联合排序:这是正确累计的前提;
  3. 使用 groupby().cumcount() + 1 生成从1开始的序号列:cumcount() 返回从0开始的累积索引,加1后即得自然序号。

以下为完整可运行示例:

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'Animal ID': [1, 2, 1, 3, 2],
    'Intake Date': [
        '12/07/2017 02:07:00 PM',
        '12/08/2017 01:10:00 PM',
        '01/06/2018 12:03:00 PM',
        '01/07/2018 01:10:00 PM',
        '01/08/2018 04:15:00 PM'
    ]
})

# 步骤1:转换时间列为 datetime,并排序(关键!)
df['Intake Date'] = pd.to_datetime(df['Intake Date'])
df = df.sort_values(['Animal ID', 'Intake Date']).reset_index(drop=True)

# 步骤2:生成累计访问序号
df['Shelter Visits'] = df.groupby('Animal ID').cumcount() + 1

print(df)

输出结果:

   Animal ID         Intake Date  Shelter Visits
0         1 2017-12-07 14:07:00                 1
1         1 2018-01-06 12:03:00                 2
2         2 2017-12-08 13:10:00                 1
3         2 2018-01-08 16:15:00                 2
4         3 2018-01-07 13:10:00                 1

✅ 注意事项:

  • 若原始数据未按时间排序,必须先调用 sort_values(),否则 cumcount() 仅按原始行序计数,无法反映真实时间顺序;
  • 对于“出入所匹配”类分析,建议对 intake 和 outcome 两个 DataFrame 分别独立执行相同逻辑,再通过 'Animal ID' + 'Shelter Visits' 双键合并,可精准关联同一次收容周期的入出记录;
  • 如需支持多级分组(如按 Animal ID + Species),只需将列名列表传入 groupby(),例如 groupby(['Animal ID', 'Species'])。

此方法简洁高效,是 Pandas 中处理“分组内时序编号”问题的标准实践。

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
Python 时间序列分析与预测
Python 时间序列分析与预测

本专题专注讲解 Python 在时间序列数据处理与预测建模中的实战技巧,涵盖时间索引处理、周期性与趋势分解、平稳性检测、ARIMA/SARIMA 模型构建、预测误差评估,以及基于实际业务场景的时间序列项目实操,帮助学习者掌握从数据预处理到模型预测的完整时序分析能力。

2025.12.04

360

15

Python 数据清洗与预处理实战
Python 数据清洗与预处理实战

本专题系统讲解 Python 在数据清洗与预处理中的核心技术,包括使用 Pandas 进行缺失值处理、异常值检测、数据格式化、特征工程与数据转换,结合 NumPy 高效处理大规模数据。通过实战案例,帮助学习者掌握 如何处理混乱、不完整数据,为后续数据分析与机器学习模型训练打下坚实基础。

2026.01.31

292

21

Python数据分析与Pandas高级实战
Python数据分析与Pandas高级实战

本专题围绕 Python 数据分析展开,系统讲解 Pandas 的高级用法,包括数据清洗、透视表、时间序列分析以及多表合并与分组操作。通过实战案例,帮助开发者掌握高效处理与分析数据的方法,提高数据处理效率与分析能力。

2026.04.13

1011

25

GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

2026.11.17

0

15

GoFrame框架安装与gf命令行工具
GoFrame框架安装与gf命令行工具

本专题围绕GoFrame框架的安装与工具链配置展开,讲清Go版本要求、gf命令行的安装方式、代理镜像与依赖准备,说明项目初始化、热编译、交叉编译打包的做法,并整理安装阶段的常见报错与验证步骤。

2026.11.17

20

15

GoFrame框架零基础入门
GoFrame框架零基础入门

本专题整理GoFrame框架的入门知识,从模块化设计理念、环境准备到跑通第一个Web服务,讲清目录分层、配置加载、日志与中间件的用法,并对比Gin、Go-Zero的差异,帮助Go开发者建立整体认知。

2026.11.17

0

15

SQLAlchemy 一对多关系怎么建立
SQLAlchemy 一对多关系怎么建立

SQLAlchemy 一对多关系怎么建立?本专题整理父子表外键、relationship 双向映射、关联查询、级联删除和加载优化等相关文章,帮助你理解并实现常见的 ORM 关系建模。

2026.11.17

0

10

SQLAlchemy 如何增删改查
SQLAlchemy 如何增删改查

SQLAlchemy 如何增删改查?本专题整理 ORM 新增记录、条件查询、更新和删除、Session 事务提交与批量处理等实用文章,帮助你掌握 Python 数据库操作流程。

2026.11.17

0

11

SQLAlchemy ORM 模型怎么写
SQLAlchemy ORM 模型怎么写

SQLAlchemy ORM 模型怎么写?本专题整理模型类定义、Mapped 字段映射、主键与约束、表结构创建和常见报错的相关文章,帮助你从基础配置到实际建模逐步掌握 SQLAlchemy。

2026.11.17

0

16

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习