问题是有关根据某些条件为groupby中每个组的唯一值更新列的值。
我有一个这样的数据框：
import numpy as np
import pandas as pd
df = pd.DataFrame({'match_id': ['m1', 'm1', 'm1', 'm1', 'm1', 'm1', 'm2', 'm2', 'm2', 'm2', 'm2', 'm2', 'm3', 'm3', 'm3', 'm3'],
'name':['peter', 'mike', 'jeff', 'john', 'alex', 'joe', 'jeff', 'peter', 'alex', 'li', 'joe', 'tom', 'mike', 'john', 'tom', 'peter'],
'rank': [3, 3, 3, 3, 1, 2, 1, 2, 4, 2, 3, 2, 1, 2, 3, 2],
'rating': [1500, 1500, 1500, 1500, 1550, 1540, 1640, 1500, 1390, 1500, 1450, 1500, 1720, 1500, 1320, 1500]})
我需要根据另一列的条件为“ match_id”中的每组值修改一些数字。
因此，我首先对match_id进行了分组。现在，对于“等级”列中的每1500个值，我想将“等级”列中的相应值更新为1到相应组的长度的范围内的值，该长度在该组中也是不正确的。
这是我到目前为止所做的：
new = pd.DataFrame()
grouped = df.groupby('match_id', sort=False)
for name, dfg in grouped:
dfm = dfg.copy()
num = len(dfm.loc[dfm['rating'] == 1500])
dfm.loc[dfm['rating'] == 1500, 'rank'] = np.random.choice(range(1,len(dfm)+1), num, replace=False)
new = pd.concat([new, dfm], sort = True)
这有效，但是有两个问题。首先，以这种方式生成的数字可能已经存在于组中（在其他行上）。我希望生成的随机数是唯一的，这意味着相应组中不存在这些数字。
第二，这对于我的原始数据集（125000组）而言花费的时间太长。因此，我需要它比loc更快，更高效。
这是我期望得到的输出（请注意“等级”列）
match_id name rank rating
0 m1 peter 6 1500
1 m1 mike 5 1500
2 m1 jeff 4 1500
3 m1 john 3 1500
4 m1 alex 1 1550
5 m1 joe 2 1540
6 m2 jeff 1 1640
7 m2 peter 2 1500
8 m2 alex 4 1390
9 m2 li 5 1500
10 m2 joe 3 1450
11 m2 tom 6 1500
12 m3 mike 1 1720
13 m3 john 4 1500
14 m3 tom 3 1320
15 m3 peter 2 1500
我们非常感谢您的帮助。