在Pandas DataFrame中按sample_type统计连续值1的最大出现次数

原始数据 #

import pandas as pd

df = pd.DataFrame({
    'sample_type': ['A', 'A', 'A', 'B', 'B', 'B', 'B', 'C', 'C', 'C'],
    'data_window': [1, 1, 1, 1, 1, 8, 1, 2, 1, 1]
})

实现方案 #

核心思路是先标记每组内连续1的分组，再统计各分组长度，最后取最大值：

# 1. 按sample_type分组，生成连续1的分组标识
df['group_key'] = df.groupby('sample_type')['data_window'].apply(
    lambda x: (x != 1 | x.shift() != x).cumsum()
)

# 2. 过滤出值为1的行，统计每个连续分组的长度
continuous_counts = df[df['data_window'] == 1].groupby(['sample_type', 'group_key']).size()

# 3. 按sample_type取最大连续长度，整理成目标格式
result = continuous_counts.groupby('sample_type').max().reset_index(name='cum_count')

代码解释 #

• 生成group_key：在每个sample_type分组内，当data_window不等于1，或者当前值与前一行值不同时，生成新的分组编号，确保连续的1被归为同一个分组。
• 统计连续长度：过滤出所有值为1的行，按sample_type和group_key统计行数，得到每组连续1的长度。
• 取最大值：按sample_type分组后取最大的连续长度，用reset_index转换为目标DataFrame格式。

输出结果 #

sample_type  cum_count
0           A          3
1           B          2
2           C          2

内容的提问来源于stack exchange，提问作者MAtennis9