如何统计Pandas DataFrame中布尔值True的连续出现次数？

需求说明 #

连续n个True对应的连续出现次数为n-1（比如3个连续True对应2次连续出现），针对给定的DataFrame，预期总次数为6。

方法一：通过索引差值统计 #

直接筛选True的索引，计算相邻索引的差值，统计差值为1的数量：

import pandas as pd

df = pd.DataFrame({"A": [False, False, True, True, False, True, False, False, False, False, True, True, True, True, False, True, True, True]})

# 获取所有True的行索引
true_indices = df[df["A"]].index
# 计算相邻索引的差值
index_diff = true_indices.diff()
# 统计差值为1的次数（即连续True的次数）
total_count = (index_diff == 1).sum()

print(total_count)  # 输出6

原理：DataFrame默认索引是连续递增的，相邻True的索引差为1就代表二者连续，每一个这样的差值对应一次连续出现。

方法二：分组统计连续序列长度 #

通过分组标记连续的True序列，计算每个序列的长度后求和：

import pandas as pd

df = pd.DataFrame({"A": [False, False, True, True, False, True, False, False, False, False, True, True, True, True, False, True, True, True]})

# 为连续相同的序列分配唯一组ID
df["group_id"] = (df["A"] != df["A"].shift()).cumsum()
# 筛选True的组，统计每个组的长度
true_seq_lengths = df[df["A"]].groupby("group_id").size()
# 每个序列的连续次数为长度-1，求和得到总次数
total_count = (true_seq_lengths - 1).sum()

print(total_count)  # 输出6

原理：用shift()对比当前行与上一行的值，通过cumsum()生成组ID，将连续相同的True分到同一组；每个组的连续次数是长度减1，累加所有组的结果得到总次数。

内容的提问来源于stack exchange，提问作者anonymous user