Pandas拆分单个DataFrame异常：分组结果不符合预期求助

问题背景 #

要按Description列中System starting的出现位置拆分DataFrame，编写代码如下：

df['truth'] = np.where(df['Description'].str.contains('System starting'), True, False)

for _, x in df.groupby((df['truth'] == True).cumsum()):
    print(x.reset_index(drop=False))

首次拆分结果正常，但后续子DataFrame缺失[xx rows x 6 columns]统计信息，且未按每个truth=True的位置正确生成新DataFrame。将分组结果存入列表后，仍存在异常：

df_list = [(k, g) for k, g in df.groupby((df['truth'] == True).cumsum())]
print(df_list)

异常表现为最后一条False记录直接衔接下一组，无正确的DataFrame分隔。

核心原因 #

1. 字符串匹配大小写敏感
   str.contains('System starting')默认区分大小写，若数据中目标文本存在大小写变体（如system starting、SYSTEM STARTING），这些行无法被标记为True，会打乱分组的累计计数逻辑，导致拆分错误。

2. 空值处理不当
   若Description列存在NaN值，str.contains会返回NaN，而np.where会将NaN视为False处理。若空值恰好出现在本该分隔的位置，会导致分组无法正确切割。

3. 分组逻辑的边界场景
   如果数据中有连续的System starting记录，(df['truth'] == True).cumsum()会连续累加计数，导致相邻的True行被分到不同组（若这不符合你的需求，需调整分组逻辑）。另外，若数据集末尾是False行，因无新的True触发计数累加，会出现视觉上的"衔接异常"，但这是当前分组逻辑的正常表现。

验证与修复建议 #

• 先验证truth列生成是否正确：执行print(df[['Description', 'truth']])，确认所有包含System starting的行都被标记为True，空值行的处理符合预期。
• 忽略大小写匹配：将匹配代码修改为df['Description'].str.contains('System starting', case=False)
• 处理空值：先填充空值，例如df['Description'] = df['Description'].fillna('')，再执行匹配操作。

内容的提问来源于stack exchange，提问作者riot12