如何统计DataFrame中A、B列同时为0的连续行并删除不符合范围的行

先看正确的实现代码，能满足你删除A、B列同时为0且连续行数<10或>20的行的需求：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'A': [0, 0, 0, 2, 1],
    'B': [4, 0, 0, 0, 1],
    'C': [1, 2, 1, 3, 1]
})

# 标记A、B同时为0的行
m1 = df['A'].eq(0) & df['B'].eq(0)
# 生成连续相同状态的分组键
group_key = m1.ne(m1.shift()).cumsum()
# 计算每个分组的连续行数
group_size = df.groupby(group_key).transform('size')
# 生成过滤掩码：保留非目标行，或目标行中连续行数在10-20之间的行
mask = ~(m1 & ((group_size < 10) | (group_size > 20)))
# 得到结果
out = df[mask]
print(out)

运行后输出符合你的期望：

A  B  C
0  0  4  1
3  2  0  3
4  1  1  1

你的代码问题分析 #

1. 未处理连续行数>20的情况：你的代码只过滤了连续行数≤9的目标行，完全没处理连续行数>20的情况，不符合“小于10或大于20都删除”的需求。
2. 示例中理论上应该生效：按你给出的示例数据，你的代码其实应该能删除行1、2，如果你运行后没效果，可能是数据定义错误或者运行环境的索引问题，比如df的索引不是连续的0-4？

关键步骤解释 #

• 标记目标行：m1 精准定位A、B同时为0的行，后续只针对这些行的连续块做判断。
• 分组连续行：m1.ne(m1.shift()).cumsum() 把连续的相同状态（都是目标行或都不是）的行归为一组，方便统计连续行数。
• 映射分组大小：transform('size') 让每一行都能获取自己所在连续块的长度，避免单独分组计算后再合并的麻烦。
• 过滤逻辑：~(m1 & ((group_size <10) | (group_size>20))) 直接筛选出需要保留的行：要么不是目标行，要么是目标行但连续行数在10-20之间。

内容的提问来源于stack exchange，提问作者Cinecca