我有跨越多天的时间序列数据，我需要对其进行排序（即，每次值更改时创建一列）。我在没有groupby的情况下进行了排序，但我对如何将相同或相似的代码应用于分组数据有点困惑。
我的数据看起来像：

index   timestamp       value
0       1684713605000   1
1       1684713610000   1
2       1684713611000   1
3       1684713614000   0
4       1684713615000   0
5       1684713616000   0
6       1684713619000   1
7       1684713620000   1
8       1684713621000   1
9       1684832896000   1
10      1684832897000   1
11      1684832898000   1
12      1684832901000   0
13      1684832902000   0
14      1684832903000   0
15      1684832906000   1
16      1684832907000   1
17      1684832908000   1

我的timestamp列不能保证是连续的，但通常是一天中每秒一条记录。我需要我想要的sequence列递增直到一天结束，然后在第二天从0开始再次计数。
我用来排序的代码是：

subset = df[["value"]].copy()

subset["change"] = (subset["value"].shift() != subset["value"]) * 1

subset["seq"] = subset["change"].cumsum(axis = 0) - 1

df["seq"] = subset["seq"]

我已经能够创建组与：

subset = df[["timestamp", "value"]].copy()
subset["date"] = pd.to_datetime(subset["timestamp"], unit="ms", origin="unix").dt.date
g = subset.groupby("date")

但我不知道该怎么办。我希望得到的结果是一个序列列，它在每次value更改时递增，但会重置

index   timestamp       value   seq
0       1684713605000   1       0
1       1684713610000   1       0
2       1684713611000   1       0
3       1684713614000   0       1
4       1684713615000   0       1
5       1684713616000   0       1
6       1684713619000   1       2
7       1684713620000   1       2
8       1684713621000   1       2
9       1684832896000   1       0    <-- first record of a new day
10      1684832897000   1       0
11      1684832898000   1       0
12      1684832901000   0       1
13      1684832902000   0       1
14      1684832903000   0       1
15      1684832906000   1       2
16      1684832907000   1       2
17      1684832908000   1       2