如何用Python Pandas合并同国家且首尾数值衔接的DataFrame行？

问题背景 #

现有一个已按low_number排序的DataFrame：

Country_code    country    low_number    high_number
-----------------------------------------------------
AU              Australia  1             10
FR              France     2             45
AU              Australia  10            23
AU              Australia  30            43
AU              Australia  43            55
FR              France     45            55
FR              France     67            80
FR              France     80            98

需求是：合并同一国家（或Country_code）的连续行——当某行的high_number等于同国家下一行的low_number时，将这些连续区间合并为一行，保留该组的最小low_number和最大high_number，最终输出：

Country_code    country    low_number    high_number
-----------------------------------------------------
AU              Australia  1             23
FR              France     2             55
AU              Australia  30            55
FR              France     67            98

解决方案 #

核心思路是先按国家分组，在每组内标记出独立的合并区间，再对每个区间聚合计算最小/最大值，同时保留其他固定列。

步骤1：标记合并区间的分组键 #

按country分组后，判断当前行的low_number是否等于上一行的high_number，通过累计求和生成区分不同区间的分组键：

import pandas as pd

# 假设你的DataFrame名为df
df['group_key'] = df.groupby('country').apply(
    lambda g: (g['low_number'] != g['high_number'].shift(1)).cumsum()
).reset_index(level=0, drop=True)

• 当当前行的low_number和上一行的high_number不相等时，会生成新的分组键，确保连续可合并的行归为同一组。

步骤2：按国家+分组键聚合 #

按country和group_key分组，聚合时保留Country_code（取组内第一个值即可，同国家的Country_code一致），计算low_number的最小值和high_number的最大值：

result = df.groupby(['country', 'group_key'], as_index=False).agg(
    Country_code=('Country_code', 'first'),
    low_number=('low_number', 'min'),
    high_number=('high_number', 'max')
)

步骤3：整理最终结果 #

删除临时的group_key列，按low_number排序还原原数据的顺序：

result = result.drop('group_key', axis=1).sort_values('low_number').reset_index(drop=True)

完整代码示例 #

import pandas as pd

# 构造示例数据
data = [
    ['AU', 'Australia', 1, 10],
    ['FR', 'France', 2, 45],
    ['AU', 'Australia', 10, 23],
    ['AU', 'Australia', 30, 43],
    ['AU', 'Australia', 43, 55],
    ['FR', 'France', 45, 55],
    ['FR', 'France', 67, 80],
    ['FR', 'France', 80, 98]
]
df = pd.DataFrame(data, columns=['Country_code', 'country', 'low_number', 'high_number'])

# 标记合并区间组键
df['group_key'] = df.groupby('country').apply(
    lambda g: (g['low_number'] != g['high_number'].shift(1)).cumsum()
).reset_index(level=0, drop=True)

# 聚合合并
result = df.groupby(['country', 'group_key'], as_index=False).agg(
    Country_code=('Country_code', 'first'),
    low_number=('low_number', 'min'),
    high_number=('high_number', 'max')
)

# 整理结果
result = result.drop('group_key', axis=1).sort_values('low_number').reset_index(drop=True)

print(result)

运行后输出：

Country_code    country  low_number  high_number
0           AU  Australia           1           23
1           FR     France           2           55
2           AU  Australia          30           55
3           FR     France          67           98

内容的提问来源于stack exchange，提问作者Arsenfat