首先建立一个DataFrame,列名为A
>>> df = pd.DataFrame([['a'], ['a'], ['a'], ['b'], ['b'], ['a']],
...columns=['A'])
输出这个DataFrame,我们对其进行观察,发现只有’a’,'b’两种值。
>>> df
A
0 a
1 a
2 a
3 b
4 b
5 a
按A进行分组(groupyby),再上一个代码块中我们观察到,有四个’a’,这是第一个分组,即都为’a’的分组。有两个’b’,这是第二个分组,即都为’b’的分组。
然后再进行cumcount处理,对’a’分组内的’a’进行索引标记,索引分别记为’0’,‘1’,‘2’,‘3’。对’b’分组内的’b’进行索引标记,索引记为’0’,‘1’。
df.groupby(‘A’).cumcount()执行后,值的顺序还是’a’,‘a’,‘a’,‘b’,‘b’,‘a’,只不过在cumcount下我们以索引代替值来展现,所以我们就看到了下一个代码块中的效果:
‘0’,‘1’,‘2’,‘0’,‘1’,‘3’,即为’a’,‘a’,‘a’,‘b’,‘b’,'a’在各自分组的索引值。
>>> df.groupby('A').cumcount()
0 0
1 1
2 2
3 0
4 1
5 3
dtype: int64