Question

我有一个数据集，其中每一行都是一个样本，一列（名称为“ Sample_ID”）为每个样本命名（以下为df1）。某些样本会重复多次（即“ Sample_ID”具有相同的值）。我想根据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（名称为“ Sample_code”）生成一个名称不同的新列。但是具有相同Sample_ID的行也需要具有相同的Sample_code值（因此，我不能简单地为新列生成一组升序的示例名称）。

在下面的示例数据中，df1代表我的起始数据。 df2是我要结束的：在每一行中，Sample_code列的值均递增，但对于重复Sample_ID的行，其值相同。

我很不知道从哪里开始，所以非常感谢您的帮助。

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，我希望升序的Sample_code名称按行的原始顺序排列，因为起始数据集中的行按收集日期排序。我希望Sample_code名称基于您在行中首次出现的特定示例。一个新的说明性df3具有date列，可让我理解我的意思。

# 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

以下建议的解决方案有效，但是它根据出现重复的Sample_ID值的最后一行创建Sample_code名称，例如Sample_ID“ 123123”标记为“ SAMP006”（在最后一行显示此值），但我希望此名称为“ SAMP001”（在其中显示第一行）。

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)

Answer 2

您可以通过遍历唯一值来创建查找表，然后将其应用于新列：

lookup = {}
for i, sample_name in enumerate(df.Sample_ID.unique()):
    lookup[sample_name] = f'SAMP{i:03}'

df['Sample_code'] = df.Sample_ID.apply(lambda x: lookup[x])

如何基于熊猫另一列中的唯一值创建升序列

2 个答案: