在组内迭代，直到大熊猫列发生变化

Question

我有以下输入df：

    domain      ip      timestamp
0   Google      101     2020-04-01 23:01:41
1   Google      101     2020-04-01 23:01:59
2   Google      101     2020-04-02 12:01:41
3   Facebook    101     2020-04-02 13:11:33
4   Facebook    101     2020-04-02 13:11:35
5   Youtube     103     2020-04-21 13:01:41
6   Youtube     103     2020-04-21 13:11:46
7   Youtube     103     2020-04-22 01:01:01
8   Google      103     2020-04-22 02:11:23
9   Facebook    103     2020-04-23 14:11:13
10  Youtube     103     2020-04-23 14:11:55

我怎样才能得到这个输出？其中，domain_num是一个迭代器，每次域在IP内切换时都会增加。

    domain      ip      timestamp             domain_num
0   Google      101     2020-04-01 23:01:41   1
1   Google      101     2020-04-01 23:01:59   1
2   Google      101     2020-04-02 12:01:41   1
3   Facebook    101     2020-04-02 13:11:33   2
4   Facebook    101     2020-04-02 13:11:35   2
5   Youtube     103     2020-04-21 13:01:41   1
6   Youtube     103     2020-04-21 13:11:46   1
7   Youtube     103     2020-04-22 01:01:01   1
8   Google      103     2020-04-22 02:11:23   2
9   Facebook    103     2020-04-23 14:11:13   3
10  Youtube     103     2020-04-23 14:11:55   4

我试过这样的方法，得到计数，但我需要按ip分组

df['domain'].ne(df['domain'].shift()).cumsum()

下面的代码出错了

df.groupby('ip').apply(lambda x : x[x.domain.ne(x.domain.shift().cumsum())])

数据

import pandas as pd

data = {'domain':['Google', 'Google', 'Google', 'Facebook', 'Facebook', 'Youtube', 'Youtube', 'Youtube', 'Google', 'Facebook', 'Youtube'],
        'ip':[101, 101, 101, 101, 101, 103, 103, 103, 103, 103, 103],
        'timestamp' : ['2020-04-01 23:01:41', '2020-04-01 23:01:59', '2020-04-02 12:01:41', '2020-04-02 13:11:33',
        '2020-04-02 13:11:35', '2020-04-21 13:01:41', '2020-04-21 13:11:46', 
                       '2020-04-22 01:01:01', '2020-04-22 02:11:23','2020-04-23 14:11:13', '2020-04-23 14:11:55' ]}

df = pd.DataFrame(data)
df['timestamp']= pd.to_datetime(df['timestamp'])

Answer 1

假设您的数据按timestamp列排序：

inc_domain_num = lambda x: x.ne(x.shift()).cumsum()
df['domain_num'] = df.groupby('ip')['domain'].apply(inc_domain_num)
print(df)

# Output
      domain   ip           timestamp  domain_num
0     Google  101 2020-04-01 23:01:41           1
1     Google  101 2020-04-01 23:01:59           1
2     Google  101 2020-04-02 12:01:41           1
3   Facebook  101 2020-04-02 13:11:33           2
4   Facebook  101 2020-04-02 13:11:35           2
5    Youtube  103 2020-04-21 13:01:41           1
6    Youtube  103 2020-04-21 13:11:46           1
7    Youtube  103 2020-04-22 01:01:01           1
8     Google  103 2020-04-22 02:11:23           2
9   Facebook  103 2020-04-23 14:11:13           3
10   Youtube  103 2020-04-23 14:11:55           4

Answer 2

假设ip被正确地分组(不一定按排序顺序排列)，首先查找您希望在以下位置增加的所有位置：

df['domain_num'] = (df['domain'] != df['domain'].shift(1)) | (df['ip'] != df['ip'].shift(1))

现在将其替换为累积和，但对每一组都是独立的：

df['domain_num'] = df.groupby('ip')['domain_num'].cumsum()