pandasでグループごとに数字を振りたい

Question

前提・実現したいこと

以下のdf1からdf2を作成したいと考えています。
df1

df2

発生している問題・エラーメッセージ

以下に示したようなfor文を用いればコードを書けるのですが、実際に使用したいデータフレームは数十万行なので、for文を使わずにコードを書きたいと考えています。

該当のソースコード

for i in range(len(df)):
    if i==0:
        continue
    if df["name"].iloc[i] == df["name"].iloc[i-1]:
        df["number"].iloc[i] = df["number"].iloc[i-1].copy()
    else:
        df["number"].iloc[i] = df["number"].iloc[i-1].copy()+1

以下にデータフレーム用のコードも載せておきます

import pandas as pd
df1 = pd.DataFrame({"name": ["a","a","b","b","b","c","d","d"],
                    "number": [1,0,0,0,0,0,0,0]})

df2 = pd.DataFrame({"name": ["a","a","b","b","b","c","d","d"],
                    "number": [1,1,2,2,2,3,4,4]})

試したこと

上記のコードを試しましたが、やはり実行時間が長く終わりません。

Answer 1

cumsum()が使えます。

df['number'] = (df['name'] != df['name'].shift()).cumsum()

連続する値でgroupbyしたいときとかに、よく使われます。

df['name'] != df['name'].shift()は、ひとつ前と異なればTrue、同じならFalseです。
これをcumsumで先頭から累積和をとります。
和をとるとき、Trueは1、Falseは0で扱われるので、欲しいものが得られます。

Comments

[ssk1]

お答え頂きありがとうございます。
まさにイメージしていた回答です！勉強になりました！

Answer 2

以下の方が速いと思います。

>>> def f(x):
...     global number
...     if not x:
...         number += 1
...     return number
...
>>> number = 0
>>>
>>> df2['number'] = (df1['name'] == df1['name'].shift()).apply(f)
>>> print(df2)
  name  number
0    a       1
1    a       1
2    b       2
3    b       2
4    b       2
5    c       3
6    d       4
7    d       4

Comments

[ssk1]

迅速に解凍していただきありがとうございます！