按ID和P分组，筛选L=1行上下各一行L=0数据的实现方法

原始DataFrame如下：

需求：按ID和P分组，筛选出每个L=1的行上方紧邻的一行L=0数据，以及下方紧邻的一行L=0数据；若存在连续多个L=1的行，取这组连续行整体的上方紧邻L=0行和下方紧邻L=0行。

步骤说明 #

通过分组标记连续L=1的区块，定位每个区块的前后紧邻L=0行，最后去重得到目标结果。

代码实现 #

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    'ID': [1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2],
    'P': [1,1,1,2,2,2,2,2,2,2,2,1,1,1,1,1,1],
    'L': [0,1,0,0,1,0,1,0,1,1,0,0,0,0,1,0,1],
    'Score': [5,'',7,10,'',8,5,7,'','',8,9,9,10,'',7,'']
})

def process_group(g):
    # 标记L=1的行
    g['is_L1'] = g['L'] == 1
    # 用反向标记的累计和区分连续L1的区块
    g['block'] = (~g['is_L1']).cumsum()
    # 获取所有包含L1的区块编号
    l1_blocks = g[g['is_L1']]['block'].unique()
    
    target_indices = []
    for block in l1_blocks:
        block_rows = g[g['block'] == block]
        # 取区块前一行（存在且L=0）
        prev_idx = block_rows.index[0] - 1
        if prev_idx >= g.index[0] and g.loc[prev_idx, 'L'] == 0:
            target_indices.append(prev_idx)
        # 取区块后一行（存在且L=0）
        next_idx = block_rows.index[-1] + 1
        if next_idx <= g.index[-1] and g.loc[next_idx, 'L'] == 0:
            target_indices.append(next_idx)
    
    return g.loc[target_indices].drop(columns=['is_L1', 'block'])

# 分组处理并去重
result = df.groupby(['ID', 'P'], group_keys=False).apply(process_group)
result = result.drop_duplicates()
print(result)

输出结果 #

运行后得到的目标行如下：

内容的提问来源于stack exchange，提问作者Jason