如何统计DataFrame中独立连续事件的数量？

你可以用pandas内置方法直接实现需求，步骤如下：

1. 识别连续事件的分界点
   用ne()方法判断当前行事件与上一行是否不同，shift()用于获取上一行数据，返回的布尔值中True代表新的连续事件开始。

2. 生成连续事件分组ID
   对分界点的布尔值做累加（cumsum()），每个连续事件段会被分配唯一的分组ID。

3. 统计各事件的独立连续段数量
   按事件分组后，统计每组对应的唯一分组ID数量，就是目标结果。

完整代码示例 #

import pandas as pd

df = pd.DataFrame([1, 2, 2, 2, 1, 1, 1, 1, 2, 1], columns=["events"])

# 生成连续事件分组ID
df['group_id'] = df['events'].ne(df['events'].shift()).cumsum()

# 统计每个事件的独立连续段数量
result = df.groupby('events')['group_id'].nunique().reset_index(name='count')

print(result)

运行结果：

events  count
0       1      3
1       2      2

简洁写法 #

如果不想新增列，也可以用一行代码完成：

result = df['events'].ne(df['events'].shift()).cumsum().groupby(df['events']).nunique().reset_index(name='count')

关键方法说明 #

• ne()：等价于!=，判断当前值与上一行值是否不等，是识别连续事件切换的核心。
• cumsum()：将分界点的True（视为1）累加，生成唯一的连续事件分组标识。
• nunique()：统计每个事件对应的分组ID数量，即独立连续事件的个数。

内容的提问来源于stack exchange，提问作者bhern