我正在尝试向 Pandas 数据框添加新索引。数据框如下所示:
date price neg_vol pos_vol
0 2017-10-17 01:00:00 51.88 11 4
1 2017-10-17 01:00:00 51.89 10 2
2 2017-10-17 01:00:00 51.90 16 27
3 2017-10-17 01:00:00 51.91 1 10
4 2017-10-17 01:05:00 51.87 12 0
5 2017-10-17 01:05:00 51.88 0 12
6 2017-10-17 01:10:00 51.87 8 0
7 2017-10-17 01:10:00 51.88 0 5
8 2017-10-17 01:15:00 51.87 12 0
9 2017-10-17 01:15:00 51.88 0 8
10 2017-10-17 01:20:00 51.87 6 0
这是我想要得到的结果:
index date price neg_vol pos_vol
0 1 2017-10-17 01:00:00 51.88 11 4
1 1 2017-10-17 01:00:00 51.89 10 2
2 1 2017-10-17 01:00:00 51.90 16 27
3 1 2017-10-17 01:00:00 51.91 1 10
4 2 2017-10-17 01:05:00 51.87 12 0
5 2 2017-10-17 01:05:00 51.88 0 12
6 3 2017-10-17 01:10:00 51.87 8 0
7 3 2017-10-17 01:10:00 51.88 0 5
8 4 2017-10-17 01:15:00 51.87 12 0
9 4 2017-10-17 01:15:00 51.88 0 8
10 5 2017-10-17 01:20:00 51.87 6 0
如您所见，索引列是根据日期列设置的。如果行的日期相同，则它们共享相同的索引号。我认为这可以通过一些条件循环来完成，但我想知道是否有更简单的方法来做到这一点。
最佳答案
使用ngroup :
- 为新列
索引
df['index'] = df.groupby('date', sort=False).ngroup() + 1
print (df)
date price neg_vol pos_vol index
0 2017-10-17 01:00:00 51.88 11 4 1
1 2017-10-17 01:00:00 51.89 10 2 1
2 2017-10-17 01:00:00 51.90 16 27 1
3 2017-10-17 01:00:00 51.91 1 10 1
4 2017-10-17 01:05:00 51.87 12 0 2
5 2017-10-17 01:05:00 51.88 0 12 2
6 2017-10-17 01:10:00 51.87 8 0 3
7 2017-10-17 01:10:00 51.88 0 5 3
8 2017-10-17 01:15:00 51.87 12 0 4
9 2017-10-17 01:15:00 51.88 0 8 4
10 2017-10-17 01:20:00 51.87 6 0 5
- 新索引
df.index = df.groupby('date', sort=False).ngroup() + 1
print (df)
date price neg_vol pos_vol
1 2017-10-17 01:00:00 51.88 11 4
1 2017-10-17 01:00:00 51.89 10 2
1 2017-10-17 01:00:00 51.90 16 27
1 2017-10-17 01:00:00 51.91 1 10
2 2017-10-17 01:05:00 51.87 12 0
2 2017-10-17 01:05:00 51.88 0 12
3 2017-10-17 01:10:00 51.87 8 0
3 2017-10-17 01:10:00 51.88 0 5
4 2017-10-17 01:15:00 51.87 12 0
4 2017-10-17 01:15:00 51.88 0 8
5 2017-10-17 01:20:00 51.87 6 0
另一种解决方案是 factorize :
df['index'] = pd.factorize(df['date'])[0] + 1
df.index = pd.factorize(df['date'])[0] + 1
关于python - 我想向 Pandas 数据框添加一个新索引，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/46888136/