如何从Pandas DataFrame列中提取连续值组的首尾行？

问题分析 #

drop_duplicates()是全局去重逻辑，无法识别连续相同值的分组；单纯用shift()只能筛选出每组的首行（当前值≠前一行），但没法直接获取末行。要同时提取连续组的首末行，可采用以下两种简洁方案：

示例数据 #

先构造测试用的DataFrame：

import pandas as pd

data = {
    'group': ['A', 'A', 'A', 'B', 'B', 'C', 'C', 'C', 'C'],
    'value': [1, 2, 3, 4, 5, 6, 7, 8, 9]
}
df = pd.DataFrame(data)

预期输出：

group  value
0     A      1
2     A      3
3     B      4
4     B      5
5     C      6
8     C      9

方法一：布尔索引直接筛选 #

通过判断当前值与前一行不同（首行）或当前值与后一行不同（末行），生成筛选掩码：

# 生成首行和末行的筛选条件
is_first = df['group'] != df['group'].shift()
is_last = df['group'] != df['group'].shift(-1)

# 合并条件，筛选目标行
result = df[is_first | is_last]
print(result)

这种方法最直观，无需额外分组，适合快速提取首末行。

方法二：分组提取首末元素 #

先给连续相同值的组分配唯一ID，再按分组提取每组的第一行和最后一行：

# 生成连续分组的ID：每次值变化时ID+1
df['group_id'] = df['group'].ne(df['group'].shift()).cumsum()

# 按分组提取首行和末行，然后重置索引
result = df.groupby('group_id').apply(lambda x: x.iloc[[0, -1]]).reset_index(drop=True)
# 可选：删除临时的group_id列
result = result.drop('group_id', axis=1)
print(result)

这种方法适合需要对每个连续组做更多后续处理的场景。

内容的提问来源于stack exchange，提问作者Chopin