переиндексации (переназначение) значение столбца

Question

У меня есть dataframe, который выглядит как

groupID  date_time   value  member  Session 
    23  2013-10-09 09:00:00 664639 Jerome  2607 
    23  2013-10-09 09:05:00 197290 Hence   2608 
    35  2013-10-09 09:10:00 470186  Ann   2608 
    35  2013-10-09 09:15:00 181314 Mikka   2608 
    35  2013-10-09 09:20:00 969427 Cristy   2609 
    37  2013-10-09 09:25:00 261473 James   2609 
    37  2013-10-09 09:30:00 3698  Oliver  2609 

Таким образом, цель я хотел бы, что вместо 2607 я имею 1, вместо 2608 меня 2 и т.д., то есть, чтобы сделать вид переиндексации или возможно отображение

 groupID  date_time   value  member  Session 
     23  2013-10-09 09:00:00 664639 Jerome  1 
     23  2013-10-09 09:05:00 197290 Hence   2 
     35  2013-10-09 09:10:00 470186  Ann   2 
     35  2013-10-09 09:15:00 181314 Mikka   2 
     35  2013-10-09 09:20:00 969427 Cristy   3 
     37  2013-10-09 09:25:00 261473 James   3 
     37  2013-10-09 09:30:00 3698  Oliver  3 

поиск на reindexing не дали желаемых результатов, так что ваши советы будут оценены

Answer 1

IIUC вы можете просто сделать:

df['Session'] -= 2606 

Видя, как это выглядит, как ваши ценности увеличиваются в позитивном ключе.

Или вы могли бы определить Dict и переназначить

session_vals = df['Session'].unique() 
d = dict(zip(session_vals, np.arange(1, len(session_vals) + 1))) 

df['Session'] = df['Session'].map(d) 

Другой способ заключается в использовании pd.factorize

In [233]: 
df['Session'] = pd.factorize(df['Session'])[0] + 1 
df 

Out[233]: 
    groupID   date_time value member Session 
0  23 2013-10-09 09:00:00 664639 Jerome  1 
1  23 2013-10-09 09:05:00 197290 Hence  2 
2  35 2013-10-09 09:10:00 470186  Ann  2 
3  35 2013-10-09 09:15:00 181314 Mikka  2 
4  35 2013-10-09 09:20:00 969427 Cristy  3 
5  37 2013-10-09 09:25:00 261473 James  3 
6  37 2013-10-09 09:30:00 3698 Oliver  3 

Answer 2

Попробуйте это:

df['Session'] = np.unique(df['Session'], return_inverse=True)[1] 

уникальных сессий будут пронумерованы, начиная с 0 .