使用 Pandas 数据框识别重复组

Question

我有一个如下所述的数据框，我需要根据列 - c2、c3 和 c4 找出重复的组并相应地命名组。对于 C1 列中的任何值，如果行数相同并且所有行上的值集相同，则它是一个重复组，应使用相同的组名进行标记，否则，它是一个唯一组。

数据框：

df = pd.DataFrame({'C1': ['A', 'A', 'A', 'A', 'B', 'B', 'C', 'C', 'C', 'C', 'D', 'D', 'D'],
                   'C2': ['1', '2', '3', '4', '1', '2', '1', '2', '3', '4', '1', '2', '3'],
                   'C3': ['1', '2', '3', '4', '1', '2', '1', '2', '3', '4', '1', '2', '3'],
                   'C4': ['1', '2', '3', '4', '1', '2', '1', '2', '3', '4', '1', '2', '3']
                   })

预期结果：

有什么帮助吗？

Answer 1

三步

df['Newkey']=tuple(zip(df.C2,df.C3)) # make value to tuple 
s=df.groupby('C1').Newkey.apply(tuple)# make all value to tuple 

s2='G'+(s.reset_index().groupby('Newkey',sort=False).C1.ngroup()+1).astype(str)
df['Newkey']=df.C1.map(dict(zip(s.index,s2))) # map it back
df
   C1 C2 C3 Newkey
0   A  1  1     G1
1   A  2  2     G1
2   A  3  3     G1
3   A  4  4     G1
4   B  1  1     G2
5   B  2  2     G2
6   C  1  1     G1
7   C  2  2     G1
8   C  3  3     G1
9   C  4  4     G1
10  D  1  1     G3
11  D  2  2     G3
12  D  3  3     G3