[Dúvida] Tratar valores repetidos adicionando sufixo no PANDAS

Pessoal, atualizando, consegui adicionar o sufixo usando groupby e cumcount, mas não estou conseguindo remover as casas decimais...

Olá, Victor! Tudo bom?

Bastante interessante o modo como utilizou o groupby com o cumcount, eu refatorei um pouco do código por aqui e cheguei em um resultado que satisfaz o pedido.

Antes de começarmos, uma dica importante na hora de postar o código por aqui no Fórum é postar utilizando o bloco de código e também disponibilizar alguma amostra dos dados. No artigo Fórum da Alura são motradas algumas dicas de como usar melhor nosso Fórum.

Utilizando a sua metodologia cheguei nesse resultado:

import pandas as pd
import numpy as np

df = pd.DataFrame({'col1':[10, 20, 30, 40, 50, 60, 70, 80, 90, 100],
                   'col2':['a','a','b','c','c','b','d','d','d','d']})

df['teste'] = df['col2'] + ["_"]*len(df['col2']) + (df.groupby('col2').cumcount() + 1).astype(str)
df

Saída:

Mas enquanto verificava essa questão, também desenvolvi um procedimento usando Numpy, Pandas e Python.

Criando o DataFrame

import pandas as pd
import numpy as np

df = pd.DataFrame({'col1':[10, 20, 30, 40, 50, 60, 70, 80, 90, 100],
                   'col2':['a','a','b','c','c','b','d','d','d','d']})
df

Saída:

Criando um DataFrame auxiliar

Esse DataFrame foi criado como uma cópia ordenada do primeiro DataFrame, onde nós vamos ordenar pela coluna de interesse, nesse caso, a col2.

df2 = df.sort_values(by='col2')

Criando a lista de contagem

A partir desse momento, eu uso o DataFrame auxiliar para criar uma lista que usa a quantidade de ocorrências dos valores na coluna para numerar cada ocorrência.

reference = df['col2'].value_counts(ascending=True)
reference

Saída:

a    2
b    2
c    2
d    4
Name: col2, dtype: int64

E como agora temos a frequência de cada valor, podemos criar uma lista que vai de 1 até a quantidade de cada elemento.

value_reference = []

for i in reference:
    value_reference += list(range(1, i + 1))

value_reference

>>> [1, 2, 1, 2, 1, 2, 1, 2, 3, 4]

E nesse momento, nós podemos adicionar algum caractere entre os termos, um espaço ou sublinhado (_).

value_reference = [" " + str(x) for x in value_reference]
value_reference

>>> [' 1', ' 2', ' 1', ' 2', ' 1', ' 2', ' 1', ' 2', ' 3', ' 4']

Concatenando com Numpy

A partir desse moento, nós podemos usar o método to_list() do Pandas para transformar uma coluna em uma lista, e concatenar com a nossa lista value_reference utilizando uma função do Numpy que concatena strings termo a termo, no caso, a np.char.add(lista1, lista2). Da seguinte maneira:

df2['new_col'] = np.char.add(df2['col2'].to_list(), value_reference)
df2

Nesse momento nós podemos voltar a configuração original resetando o nosso índice.

df2.sort_index()

Resumo da Ópera

Existem várias maneiras de fazer a mesma coisa utilizando as bibliotecas ou Python puro. Algumas vezes serão necessárias a reescrita do código manualmente para evitar a dependência de bibliotecas externas, mas conhecer as possibilidades de cada ferramenta é essencial para evitar reinventar a roda quando não necessário.

Show!!! Muito Obrigado, funcionou das duas maneiras por aqui. Mantive a solução com groupby() e cumcount() apenas por questão de preferir o código mais enxuto para essa solução