dataframe在最后新增一行_Pandas 新增一列并对相同的行赋同一个值

需求来源为知友的一个提问：

pandas如何新增一列，对相同的行赋同一个值？​www.zhihu.com

希望将整行内容一样的内容做同样的标识，可能用于相同内容的筛选。话不多说，咱们直接进入解题。

首先先造个数据：

import pandas as pd


# 构造数据
df = pd.DataFrame([
    [1,2,4,6],
    [3,5,6,9],
    [1,2,4,6],
    [3,5,6,9],
    [3,5,6,2],
], columns=list('abcd'))

df
'''
   a  b  c  d
0  1  2  4  6
1  3  5  6  9
2  1  2  4  6
3  3  5  6  9
4  3  5  6  2
'''

以上我们构造了四行数据，其中0和2相同，1和3相同，接下来就增加一列，预期为相同行为相同值，答案如下：

# 答案
df.assign(f=pd.factorize(df.apply(lambda x: str(x.values), axis=1))[0])
'''
   a  b  c  d  f
0  1  2  4  6  0
1  3  5  6  9  1
2  1  2  4  6  0
3  3  5  6  9  1
4  3  5  6  2  2
'''

我们拆分解析一下答题过程：

先将原数据加工成一个新的列，行数据为所有列的内容组成的列表：

df.apply(lambda x: str(x.values), axis=1)
'''
0    [1 2 4 6]
1    [3 5 6 9]
2    [1 2 4 6]
3    [3 5 6 9]
4    [3 5 6 2]
dtype: object
'''

使用 pandas.factorize() 将这个 Series 因子化:

Pandas 因子化（枚举化）值​www.gairuo.com

pd.factorize(df.apply(lambda x: str(x.values), axis=1))
# (array([0, 1, 0, 1, 2]),
# Index(['[1 2 4 6]', '[3 5 6 9]', '[3 5 6 2]'], dtype='object'))

结果是一个元组，第一个元素是因子的值，第二个是不重复的元素，所以我们使用切片取到第一个值。

最后用df.assign()来增加这个新列。

（完）