如何统计Pandas各分组下data_window连续递增1的次数

给定如下DataFrame：

import pandas as pd

df = pd.DataFrame({
    'sample_type': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C'],
    'data_window': [4, 5, 6, 1, 7, 8, 2, 3],
    'value': [0.6, 0.1, 1.2, 0.5, 0.3, 0.8, 1.4, 0.7]
})

需求：针对每个sample_type，统计data_window恰好递增1的行数（例如A对应2，B对应1，C对应1），能否用df['data_window'].diff()类方法按分组实现？

当然可以用diff()结合分组来完成，直接看实现方式：

方法1：分步清晰实现 #

# 计算每组内data_window的相邻行差值
df['window_diff'] = df.groupby('sample_type')['data_window'].diff()
# 筛选出差值为1的行，再按样本类型统计数量
count_result = df[df['window_diff'] == 1].groupby('sample_type').size()

方法2：链式简洁写法 #

count_result = df.groupby('sample_type')['data_window'].apply(lambda x: (x.diff() == 1).sum())

运行后得到的结果完全符合预期：

sample_type
A    2
B    1
C    1
dtype: int64

逻辑说明 #

1. groupby('sample_type')：限定只在同一样本类型内部计算差值，避免跨组干扰
2. .diff()：计算当前行与上一行的data_window差值，每组第一行因无前置行返回NaN
3. (x.diff() == 1)：将差值恰好为1的情况标记为True，其余为False
4. .sum()：对布尔序列求和（True等价于1，False等价于0），直接得到每组符合条件的行数

内容的提问来源于stack exchange，提问作者MAtennis9