如何从包含重复项的ID列表中生成唯一ID

Question

我正在使用pandas包来处理我的数据，我的数据框如下所示。

data = pd.read_csv('people.csv')
id, A, B
John, 1, 3
Mary, 2, 5
John, 4, 6
John, 3, 7
Mary, 5, 2

我希望为这些副本生成唯一ID，但保持相同的顺序。

id, A, B
John, 1, 3
Mary, 2, 5
John.1, 4, 6
John.2, 3, 7   # John shows up three times.
Mary.1, 5, 2   # Mary shows up twice.

我尝试了类似set_index，pd.factorize()和index_col的内容，但它们无效。

Answer 1

为了获得索引，您可以使用GroupBy.cumcount：

>>> idx = df.groupby('id').cumcount()
>>> idx
0    0
1    0
2    1
3    2
4    1
dtype: int64

非零值可以附加：

>>> mask = idx != 0
>>> df.loc[mask, 'id'] += '.' + idx[mask].astype('str')
>>> df
       id  A  B
0    John  1  3
1    Mary  2  5
2  John.1  4  6
3  John.2  3  7
4  Mary.1  5  2