Pandas：根据两列关联变化筛选DataFrame行

要检测col_2和col_3的关联变化并筛选DataFrame，核心是将两列的组合视为一个整体，判断其与前一行是否不同，以下是具体实现：

通用方案：检测连续行的组合变化 #

该方案会保留所有与前一行col_2-col_3组合不同的行（包含第一行），适用于追踪每一次关联关系的切换：

步骤1：构造示例数据与组合列 #

import pandas as pd

# 构造你提供的示例DataFrame
data = {
    'col_1': ['t_1', 't_2', 't_3', 't_4', 't_5', 't_6', 't_7', 't_8'],
    'col_2': ['A', 'A', 'B', 'A', 'A', 'A', 'B', 'A'],
    'col_3': ['a_1', 'a_1', 'b_1', 'a_1', 'a_2', 'a_2', 'b_2', 'a_1']
}
df = pd.DataFrame(data)

# 将col_2和col_3合并为一个组合列，方便比较关联关系
df['comb'] = df['col_2'] + '_' + df['col_3']

步骤2：标记组合变化的行 #

# 用shift()获取上一行的组合，判断当前行与上一行是否不同
change_mask = df['comb'].ne(df['comb'].shift())

步骤3：筛选并整理结果 #

# 筛选变化行，删除临时组合列
result = df[change_mask].drop('comb', axis=1)
print(result)

输出结果

col_1 col_2 col_3
0   t_1     A   a_1
2   t_3     B   b_1
3   t_4     A   a_1
4   t_5     A   a_2
6   t_7     B   b_2
7   t_8     A   a_1

匹配示例期望的调整方案 #

如果需要和你给出的期望结果完全一致（即不保留t_4行），说明需求是保留每个新组合的首次出现 + 最后一行，可以这样实现：

# 标记每个组合的首次出现
first_occur_mask = ~df['comb'].duplicated()
# 标记最后一行
last_row_mask = pd.Series([False]*len(df))
last_row_mask.iloc[-1] = True
# 合并两个筛选条件
final_mask = first_occur_mask | last_row_mask

# 筛选结果并删除临时列
result = df[final_mask].drop('comb', axis=1)
print(result)

输出结果

col_1 col_2 col_3
0   t_1     A   a_1
2   t_3     B   b_1
4   t_5     A   a_2
6   t_7     B   b_2
7   t_8     A   a_1

内容的提问来源于stack exchange，提问作者tms