我有一个脚本，它根据中的两个列分配一个值。下面的代码能够实现第一步，但我正在努力实现第二步
因此，脚本最初应该：
1） 为[区域]中的每个字符串和[位置]
2） 查看以少于3个唯一值重新分配人员
示例。下面的df在[区域]和[位置]中有6个唯一值。但是分配了3个人。理想情况下，2人们将2个唯一的值每个值
d=({
‘时间’：[‘8:03:00’、‘8:17:00’、‘8:20:00’、‘10:15:00’、‘10:15:00’、‘11:48:00’、‘12:00:00’、‘12:10:00’]，
‘地点’：[‘1号楼’、‘2号楼’、‘1号楼’、‘3号楼’、‘4号楼’、‘5号楼’、‘1号楼’、‘1号楼’]，
'面积'：['X'、'X'、'Y'、'X'、'X'、'X'、'X'、'X'、'X']，
})
df=pd.DataFrame（数据=d）
def g（全球定位系统）：
s=gps['Place'].unique（）
d=dict（zip（s，np.arange（len（s））//3+1））
gps['Person']=gps['Place'].地图（d）
返回gps
df=df.groupby（'Area'，sort=False）.应用（g）
s=df['Person'].aType（str）+df['Area']
df['Person']=pd.Series（pd.factorize[0]+1）.map（str.radd（'Person'））
输出：
时间地点区域人员
0 8:03:00房屋1 X人1
18:17:00住宅2 X人1
2 8:20:00房子1 Y人2
3 10:15:00房屋3 X人1
4 10:15:00房子4 X人3
5 11:48:00房子5 X人3
6 12:00:00房子1 X人1
7 12:10:00房子1 X人1
正如您所看到的，第一步很好。或者[区域]中的每个字符串，将[位置]中的第一个3个唯一值分配给一个人。这使得Person 1具有3个值，Person 2具有1个值，Person 3具有2个值
第二步是我挣扎的地方
如果一个人分配给他们的唯一值少于3个，请更改此设置，使每个人最多有3个唯一值
预期产出：
时间地点区域人员
0 8:03:00房屋1 X人1
18:17:00住宅2 X人1
2 8:20:00房子1 Y人2
3 10:15:00房屋3 X人1
4 10:15:00房子4 X人2
5 11:48:00房子5 X人2
6 12:00:00房子1 X人1
7 12:10:00房子1 X人1
当前尝试
在以下内容中，我在代码的最后几行之前添加了几行：
d=（{'Time'：['8:03:00'，'8:17:00'，'8:20:00'，'10:15:00'，'10:15:00'，'11:48:00'，'12:00:00'，'12:10:00']，
“地点”：[“1号楼”、“2号楼”、“1号楼”、“3号楼”、“4号楼”、“5号楼”、“1号楼”、“1号楼]，
'区域'：['X'，'X'，'Y'，'X'，'X'，'X'，'X'，'X']}）
df=pd.DataFrame（数据=d）
def g（全球定位系统）：
s=gps['Place'].unique（）
d=dict（zip（s，np.arange（len（s））//3+1））
gps['Person']=gps['Place'].地图（d）
返回gps
df=df.groupby（'Area'，sort=False）.应用（g）
s=df['Person'].aType（str）+df['Area']
#添加行
t=s.值_计数（）
df_sub=df.loc[s[s.isin（t[t<；3].index）].index].copy（）
df_sub[“标记”]=df_sub[“位置”]+df_sub[“区域”]
tags=list（df_sub.tag.unique（））
f=lambda x:f'R{int（tags.index（x）/3）+1}'
df_sub['reassign']=df_sub.tag.apply（f）
s[s.isin（t[t<；3].索引）]=df_sub['reassign']
df['Person']=pd.Series（pd.factorize[0]+1）.map（str.radd（'Person'））
老实说，我不是很确定它在所有情况下都能工作，但它在测试用例中提供了您想要的输出
以前的尝试
让我们看看我是否能够帮助您有限地了解您正在尝试做的事情
您有连续的数据（我称之为事件），并且希望为每个事件分配一个“个人”标识符。您将在每个连续事件上分配的标识符取决于以前的分配，在我看来，它需要按照以下规则进行管理，以便按顺序应用：
-
我知道你：我可以重用以前的标识符，如果：给定标识符的“地点”和“面积”已经出现相同的值（与此有关吗？）
-
我不认识您：如果出现新的Area值，我将创建一个新的标识符（那么Place和Area扮演不同的角色？）
-
我认识你吗？：如果：一个标识符未分配给至少三个事件，我可能会重用以前使用的标识符（如果多个标识符出现这种情况会怎么样？我假设我使用的是最旧的…）
-
不，我不：如果前面的规则都不适用，我将创建一个新的标识符
假设上述情况，以下是解决方案的实施：
#记录分配给每个人的过去事件列表。密钥是个人标识符
人
#df的新列（作为列表），它将附加在dataframe的末尾
人员=名单（）
#首先我们定义规则
我认识你（现在的人们）：
def状况（现在、过去）：
如果（now.Place==e.Place）和（now.Area==e.Area），则返回[e表示过去的e]
i_do=[人对人，过去在人中。items（）如果条件（现在，过去）]
如果我这样做：
返回i_do[0]
返回错误
我不认识你（现在的人们）：
条件=非布尔值（[e代表过去的人。如果e.Area==now.Area，则e代表过去的值（））
如果条件：
返回f'Person{len（people）+1}'
返回错误
我认识你吗（人们，现在）：
i_do=[人对人，过去在人中。items（）如果len（过去）<；3]
如果我这样做：
返回i_do[0]
返回错误
#然后对序列数据进行处理
对于df.itertuples（）中的事件：
打印（'事件：'，事件）
对于[我知道你，我不知道你，我知道你]on 规则：
人员=规则（人员、事件）
打印（'\t'，规则。\姓名\人员）
如有人：
打破
如果不是个人：
person=f'person{len（people）+1}'
打印（'\t'，“不，我不”，person）
如果人在人中：
人员[person]。追加（事件）
其他：
人[人]=[事件]
persons.append（person）
df['Person']=人
输出：
事件：熊猫（索引=0，时间=8:00:00'，地点=House 1'，区域=X'，人=Person 1'）
我知道你是假的
我不认识你这个人
活动：熊猫（索引=1，时间=8:30:00，地点=2，区域=X，人=1）
我知道你是假的
我不知道你是假的
我认识你吗
活动：熊猫（索引=2，时间=9:00:00，地点=1，区域=Y，人=2）
我知道你是假的
我不认识你这个人
活动：熊猫（索引=3，时间=9:30:00，地点=3，区域=X，人=1）
我知道你是假的
我不知道你是假的
我认识你吗
活动：熊猫（索引=4，时间=10:00:00'，地点=4号，区域=X'，人=2'）
我知道你是假的
我不知道你是假的
我认识你吗
活动：熊猫（指数=5，时间=10:30:00，地点=5，区域=X，人=2）
我知道你是假的
我不知道你是假的
我认识你吗
活动：熊猫（指数=6，时间=11:00:00，地点=1，区域=X，人=1）
我认识你1个人
活动：熊猫（指数=7，时间=11:30:00，地点=6，区域=X，人=3）
我知道你是假的
我不知道你是假的
我知道你是假的吗
不，我不喜欢第三个人
活动：熊猫（指数=8，时间=12:00:00，地点=7号，面积=X，人=3人）
我知道你是假的
我不知道你是假的
我认识你吗
活动：熊猫（指数=9，时间=12:30:00，地点=8，区域=X，人=3）
我知道你是假的
我不知道你是假的
我认识你吗
最后一个数据帧是，如您所愿：
时间地点区域人员
0 8:00:00房屋1 X人1
1 8:30:00住宅2 X人1
2 9:00:00房子1 Y人2
3 9:30:00房屋3 X人1
4 10:00:00房子4 X人2
5 10:30:00房子5 X人2
6 11:00:00房子1 X人1
7 11:30:00房子6 X人3
8 12:00:00房子7 X人3
9 12:30:00住宅8 X人3
备注：注意，我有意避免使用按操作分组和按顺序处理数据。我认为这种复杂性（并且不真正理解您想要做什么…）需要这种方法。此外，您还可以使用上述相同的结构调整规则，使其更为复杂（时间是否真的起作用？）
新数据的最新答案
查看新数据时，我显然不明白您要做什么（特别是，赋值似乎不遵循顺序规则）。
我会有一个解决方案，可以在你的第二个数据集上工作，但它会为第一个数据集提供不同的结果
解决方案简单得多，将添加一列（如果需要，您可以稍后删除该列）：
df[“tag”]=df[“Place”]+df[“Area”]
tags=list（df.tag.unique（））
f=lambdax:f'Person{int（tags.index（x）/3）+1}'
df['Person']=df.tag.apply（f）
在第二个数据集上，它将给出：
时间地点区域标记人员
0 8:00:00房屋1 X房屋1人1
1 8:30:00住房2 X住房2人1
2 9:00:00住房3 X住房3人1
3 9:30:00房屋1 Y房屋1 Y人2
4 10:00:00房子1 Z房子1 Z人2
5 10:30:00房子1 V房子1 V人2
<