如何按连续重复值及条件筛选Pandas DataFrame？

可以通过标记连续重复组、计算组长度，再结合数值筛选来实现，代码如下：

import pandas as pd

df = pd.DataFrame({'a':[1, 1, 1, 2, 1, 3, 1, 1, 4, 4, 5, 5, 5, 6, 6, 3]})

# 标记连续重复组的起始点，生成组ID
group_ids = df['a'].ne(df['a'].shift()).cumsum()
# 计算每个组的长度，映射到每一行
group_sizes = group_ids.map(group_ids.value_counts())
# 筛选条件：组长度≥2 且 数值≤5
result = df[(group_sizes >= 2) & (df['a'] <= 5)]

print(result)

代码解释 #

• df['a'].ne(df['a'].shift())：比较当前行与上一行的a值是否不同，返回布尔序列，True表示新组的开始。
• cumsum()：将布尔序列累加，生成唯一的组ID，同一连续重复组的行拥有相同ID。
• group_ids.value_counts()：统计每个组的行数（即连续重复的次数），再用map将组长度对应到每一行。
• 最后通过布尔索引筛选出组长度≥2（连续重复）且数值≤5的行，得到预期结果。

运行后输出：

a
0   1
1   1
2   1
6   1
7   1
8   4
9   4
10  5
11  5
12  5

内容的提问来源于stack exchange，提问作者skywave1980