使用python生成唯一ID

发布于 2025-01-17 10:55:44 字数 665 浏览 3 评论 0原文

我应该如何将唯一的ID（UID）分配给一组行和不同的UID，而ID值突然增加。例如;将“ 1”分配给ID值范围为122至125，而“ 2”的UID在下表中为507到511。

名称	ID	UID
T1	122
T1	123
T1	124
T1	125
T1	507
T1	508
T1	509
T1	510
T1	511

说实话，我不知道从哪里开始。

原文

How should I assign a unique ID (UID) to a group of rows and a different UID where there is a sudden jump in ID values. For example; assign "1" to ID values ranging from 122 to 125 and a UID of "2" where ID values range from 507 to 511 in the table below.

Name	ID	UID
T1	122
T1	123
T1	124
T1	125
T1	507
T1	508
T1	509
T1	510
T1	511

To be honest i don't know where to start from.

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

污味仙女 2025-01-24 10:55:44

您不需要 unique id，而只是 group iD，其中一个组是一组具有连续ID值的行。假设熊猫，您可以使用shift（）识别连续值，然后cumsum（）自动构建组ID

df['UID'] = (df['ID'] != df['ID'].shift() + 1).cumsum()

：预期的：

df
  Name   ID  UID
0   T1  122    1
1   T1  123    1
2   T1  124    1
3   T1  125    1
4   T1  507    2
5   T1  508    2
6   T1  509    2
7   T1  510    2
8   T1  511    2

You do not want an unique id, but just a group id, where a group is a set of rows with consecutive ID values. Assuming pandas, you could use shift() to identify consecutive values, and then cumsum() to automatically build a group id:

df['UID'] = (df['ID'] != df['ID'].shift() + 1).cumsum()

It gives as expected:

df
  Name   ID  UID
0   T1  122    1
1   T1  123    1
2   T1  124    1
3   T1  125    1
4   T1  507    2
5   T1  508    2
6   T1  509    2
7   T1  510    2
8   T1  511    2

回复收藏 0 原文

~没有更多了~