根据列组合增加列值

Question

我有一个看起来像这样的数据集：

OwnerID    GroupID    AssignmentID   ... <few more columns>  [Need this column]
1           10         100                                    1
1           10         100                                    1
1           10         200                                    2
1           20         100                                    1
1           20         200                                    2
1           20         300                                    3
2           30         200                                    1
2           30         200                                    1
2           40         300                                    2

我想根据OwnerID ， GroupID和AssignmentID字段中的值填充一列。 如果这些字段中的值在行之间相同，那么我希望在新列中重复数字1 。 但是，如果同一所有者为同一组分配了不同的分配，则新列中的值应增加。

例如OwnerID 1分配了2个分配（2个分配相同的AssignmentID 100，另一个AssignmentID 200）。 在这两种情况下， AssignmentID 100都将获得值1 ，因为OwnerID ， GroupID和AssignmentID的值相同，但是当AssignmentID为200时将获得值2。

同样，当OwnerID 100分配了AssignmentID 100、200和300时，这些分配所分配到的组已更改为20。

我认为可以使用以下代码完成此操作：

AssignmentDetails['colname'] = AssignmentDetails.groupby(['ownerid','groupid','assignmentid']).cumcount()

但这并没有给我所需的结果。 当“ groupby”子句中的值相同时，它不会在新列中重复该值，但会增加这些值。

我该如何实现？ 任何帮助都会很棒。

Answer 1

df.assign(
    result=df.groupby(
        ['OwnerID', 'GroupID']
    ).AssignmentID.transform(lambda x: x.factorize()[0]) + 1
)

   OwnerID  GroupID  AssignmentID  Result  result
0        1       10           100       1       1
1        1       10           100       1       1
2        1       10           200       2       2
3        1       20           100       1       1
4        1       20           200       1       2
5        1       20           300       1       3
6        2       30           200       1       1
7        2       30           200       1       1
8        2       40           300       2       1

Answer 2

要么

df.groupby([ 'OwnerID' , 'GroupID' ]).AssignmentID.transform(lambda x: x.astype('category').cat.codes.add(1))
Out[186]: 
0    1
1    1
2    2
3    1
4    2
5    3
6    1
7    1
8    1
Name: AssignmentID, dtype: int8