如何基于ID列交替删除分组内的连续行并保留指定行？

问题场景 #

原数据集示例：

group   ID  
ABCDE   2   
ABCDE   3   
ABCDE   4   
ABCDE   5   
ABCDE   6   
ABCDE   22  

预期输出：

group  ID  result
ABCDE   3   Keep
ABCDE   5   Keep
ABCDE   22  Keep

核心需求：在同一分组内，对连续ID构成的序列执行交替删除（删除第1、3、5...位的行），非连续的单独行直接保留。

Python（Pandas）实现方案 #

import pandas as pd

# 构造示例数据
data = {
    'group': ['ABCDE'] * 6,
    'ID': [2, 3, 4, 5, 6, 22]
}
df = pd.DataFrame(data)

def process_group(group_df):
    # 标记当前ID与上一个是否连续
    group_df['is_consecutive'] = group_df['ID'].diff().fillna(1) == 1
    # 生成连续块的唯一标识（不连续处分割）
    group_df['block'] = (~group_df['is_consecutive']).cumsum()
    # 计算每行在所属连续块内的位置（从0开始计数）
    group_df['block_pos'] = group_df.groupby('block').cumcount()
    
    # 标记保留/删除：连续块长度>1时，保留块内位置为奇数的行；单独行直接保留
    group_df['result'] = 'Keep'
    drop_mask = (group_df.groupby('block')['ID'].transform('size') > 1) & (group_df['block_pos'] % 2 == 0)
    group_df.loc[drop_mask, 'result'] = 'Drop'
    
    return group_df

# 分组处理并筛选结果
processed_df = df.groupby('group', group_keys=False).apply(process_group)
final_df = processed_df[processed_df['result'] == 'Keep'].drop(columns=['is_consecutive', 'block', 'block_pos'])

print(final_df)

关键逻辑说明

1. 连续块识别：通过ID.diff()计算相邻ID的差值，判断是否连续；用cumsum()将不连续的位置作为分割点，生成连续块的编号。
2. 块内位置标记：用cumcount()统计每行在所属连续块内的索引位置。
3. 保留规则：连续块中，删除位置为偶数（从0开始）的行（对应原序列的第1、3、5...位）；长度为1的单独块直接保留。

R（dplyr）实现方案 #

library(dplyr)

# 构造示例数据
df <- tibble(
  group = rep("ABCDE", 6),
  ID = c(2, 3, 4, 5, 6, 22)
)

final_df <- df %>%
  group_by(group) %>%
  mutate(
    # 标记是否连续（第一行默认连续）
    is_consecutive = c(TRUE, diff(ID) == 1),
    # 生成连续块标识
    block = cumsum(!is_consecutive),
    # 计算每行在块内的位置（从1开始计数）
    block_pos = row_number() - match(block, block) + 1
  ) %>%
  group_by(group, block) %>%
  mutate(
    # 连续块内删除奇数位置的行，其余保留
    result = ifelse(n() > 1 & block_pos %% 2 == 1, "Drop", "Keep")
  ) %>%
  ungroup() %>%
  filter(result == "Keep") %>%
  select(-is_consecutive, -block, -block_pos)

print(final_df)

关键逻辑说明

1. 连续块识别：用diff(ID)判断相邻ID是否连续，cumsum(!is_consecutive)生成块编号。
2. 块内位置计算：通过row_number()和match()计算每行在块内的位置（从1开始）。
3. 保留规则：连续块中删除位置为奇数的行，单独块直接保留。

内容的提问来源于stack exchange，提问作者Shahrukh Khalidi