如何定位Pandas DataFrame中符合条件的最后连续序列首元素并获取该行？

问题描述 #

给定如下DataFrame：

import pandas as pd
df = pd.DataFrame({'a': [1, 0, 0, 1, 0, -1, -1, -1, 0, -1, -1, -1]})

期望得到如下输出：

a    b
0   1  NaN
1   0  NaN
2   0  NaN
3   1  NaN
4   0  NaN
5  -1  NaN
6  -1  NaN
7  -1  NaN
8   0  NaN
9  -1  x
10 -1  NaN
11 -1  NaN

需要找到数据列中的最后一个连续序列（示例中为-1），并标记该序列的第一个元素，同时需满足以下四个条件：

• 排除由0组成的连续序列；
• 连续序列长度至少为2行；
• 若最后一个连续序列是0，则不标记任何内容；
• 若最后一个非0连续序列长度不足2行，也不进行标记。

用户尝试了以下代码但未成功：

mask = (df.a == -1)
df.loc[(mask.cumsum() == mask.sum() - 1) & mask, 'b'] = 'x'

另外，用户还想知道：找到目标行后，如何在不创建新列（如上述代码中的b列）的情况下获取该行？目前习惯是创建新列后筛选非NaN值的行。

解决方案 #

1. 实现标记目标行的逻辑 #

要满足所有条件，我们可以通过分组连续相同值的方式来处理：

import pandas as pd

df = pd.DataFrame({'a': [1, 0, 0, 1, 0, -1, -1, -1, 0, -1, -1, -1]})

# 生成连续相同值的分组标签
df['group'] = (df['a'] != df['a'].shift()).cumsum()

# 计算每个分组的长度、值
group_info = df.groupby('group')['a'].agg(
    value='first',
    length='count'
).reset_index()

# 筛选符合条件的目标分组：非0、长度≥2、是最后一个非0分组
target_group = group_info[
    (group_info['value'] != 0) &
    (group_info['length'] >= 2)
].tail(1)

# 标记该分组的第一行
if not target_group.empty:
    df['b'] = pd.NA
    target_idx = df[df['group'] == target_group['group'].iloc[0]].index[0]
    df.loc[target_idx, 'b'] = 'x'

# 删除临时分组列
df = df.drop('group', axis=1)

print(df)

核心逻辑说明：

• 用shift()对比前后值，生成连续相同值的分组ID；
• 统计每个分组的基本信息（值、长度）；
• 筛选出最后一个满足「非0、长度≥2」的分组；
• 标记该分组的第一行为x，其余行设为NaN。

2. 不创建新列直接获取目标行 #

如果不需要标记列，直接获取目标行，可以跳过创建b列的步骤，直接提取索引：

import pandas as pd

df = pd.DataFrame({'a': [1, 0, 0, 1, 0, -1, -1, -1, 0, -1, -1, -1]})

# 生成分组标签
df['group'] = (df['a'] != df['a'].shift()).cumsum()

# 分组统计
group_info = df.groupby('group')['a'].agg(
    value='first',
    length='count'
).reset_index()

# 筛选目标分组
target_group = group_info[
    (group_info['value'] != 0) &
    (group_info['length'] >= 2)
].tail(1)

# 获取目标行（如果存在）
if not target_group.empty:
    target_row = df[df['group'] == target_group['group'].iloc[0]].iloc[0]
    print("目标行：")
    print(target_row)
else:
    print("没有符合条件的目标行")

# 清理临时列
df = df.drop('group', axis=1)

这样就能直接得到目标行，无需创建额外的标记列。

内容的提问来源于stack exchange，提问作者AmirX