我在生产线上有一个测量值，例如:
import pandas as pd
import random
random.seed(2)
df = pd.DataFrame()
df['col1_date'] = pd.date_range('2018-09-01', periods=40, freq='D')
df['col2_id'] = pd.DataFrame(list(['A', 'B', 'C', 'D'] *10))
df['MeasuredValues'] = np.random.choice(10, 40)
df
基本上，项目(例如 ['A'、'B'、'C'、'D'])在生产线取得进展时会针对某些参数进行测量。我正在尝试在表中添加一列，为 col2_id 中的每个项目提供 一系列测量，例如:首先测量时，我得到 1st measurement，然后对于第二次测量，我得到 2nd measurement 等等。我可以通过对 col2_id 进行排序然后按 col1_date 对 excel 中包含 100 行的小表进行手动操作。显然，对于数千行的大量行来说，它没有多大意义。然后我可以比较 col2_id 中所有项目的不同测量值。我不太了解如何在 Pandas 或 Python 中执行此操作。
谁能给我一些建议？
请您参考如下方法:
如果您的日期已排序，您可以使用 cumcount 来完成此操作:
df['measurement_number'] = 'measurement '+(df.groupby('col2_id').cumcount()+1).astype(str)
或者:
df['measurement_number'] = (df.groupby('col2_id').cumcount()+1).map(lambda x: f'measurement {x}')
两者都给你:
>>> df
col1_date col2_id MeasuredValues measurement_number
0 2018-09-01 A 8 measurement 1
1 2018-09-02 B 8 measurement 1
2 2018-09-03 C 6 measurement 1
3 2018-09-04 D 2 measurement 1
4 2018-09-05 A 8 measurement 2
5 2018-09-06 B 7 measurement 2
6 2018-09-07 C 2 measurement 2
7 2018-09-08 D 1 measurement 2
8 2018-09-09 A 5 measurement 3
9 2018-09-10 B 4 measurement 3
10 2018-09-11 C 4 measurement 3
11 2018-09-12 D 5 measurement 3
12 2018-09-13 A 7 measurement 4
13 2018-09-14 B 3 measurement 4
14 2018-09-15 C 6 measurement 4
15 2018-09-16 D 4 measurement 4
16 2018-09-17 A 3 measurement 5
17 2018-09-18 B 7 measurement 5
18 2018-09-19 C 6 measurement 5
19 2018-09-20 D 1 measurement 5
20 2018-09-21 A 3 measurement 6
21 2018-09-22 B 5 measurement 6
22 2018-09-23 C 8 measurement 6
23 2018-09-24 D 4 measurement 6
24 2018-09-25 A 6 measurement 7
25 2018-09-26 B 3 measurement 7
26 2018-09-27 C 9 measurement 7
27 2018-09-28 D 2 measurement 7
28 2018-09-29 A 0 measurement 8
29 2018-09-30 B 4 measurement 8
30 2018-10-01 C 2 measurement 8
31 2018-10-02 D 4 measurement 8
32 2018-10-03 A 1 measurement 9
33 2018-10-04 B 7 measurement 9
34 2018-10-05 C 8 measurement 9
35 2018-10-06 D 2 measurement 9
36 2018-10-07 A 9 measurement 10
37 2018-10-08 B 8 measurement 10
38 2018-10-09 C 7 measurement 10
39 2018-10-10 D 1 measurement 10
如果您的日期未排序，请先对它们进行排序。与上述相同，但使用:
df.sort_values('col1_date')
首先。
