如何在 Pandas 中为每个 groupby 组有效地分配一个值

Question

我有一个带有非唯一数字列的 Pandas DataFrame。 我想为每个非唯一值返回一个不同的随机数，但在非唯一值出现的每一行返回相同的随机数，即，随机数的输出数据帧的形状与未分组数据帧的形状相匹配.

我可以这样做： df.groupby('NonUnique').transform(lambda x: np.random.rand())

这会根据需要为df每一列返回一个不同的随机数。

然而，这对于大型数据帧来说很慢，但np.random.rand(df.size)非常快。 有没有办法以更有效的方式实现我想要的？ 我似乎找不到一种方法来矢量化每组的分配......

Answer 1

按唯一值的长度创建数组，然后使用带有numpy indexing factorize进行重复：

np.random.seed(123)

df = pd.DataFrame({'A':list('aaabbb')})

a = np.random.rand(len(df['A'].unique()))

df['B'] = a[pd.factorize(df.A)[0]]
print (df)
   A         B
0  a  0.696469
1  a  0.696469
2  a  0.696469
3  b  0.286139
4  b  0.286139
5  b  0.286139

详情：

print (pd.factorize(df.A)[0])
[0 0 0 1 1 1]

Answer 2

我反正你分组，你可以使用ngroup()

df.groupby('column').ngroup()

或者

df.groupby('column').transform('ngroup')