如何获取DataFrame中ID=3首个连续子组的最后索引

我有一个DataFrame，其中ID为'3'的记录存在多次连续重复的情况。第一次连续重复形成的子组索引为2、3、4（索引从0开始），需要记录该子组的最后一个索引值：4。

示例数据 #

data = {'ID': ['1', '2', '3', '3', '3', '4', '2', '5', '3', '3', '6', '3', '3']}
df = pd.DataFrame(data)

ID=3的3个连续子组为：

Index ID
2 3
3 3
4 3

Index ID
8 3
9 3

Index ID
11 3
12 3

我需要获取第一个子组的最后索引4，但尝试的代码只能拿到所有ID=3记录的最后索引12：

尝试的代码 #

import pandas as pd
import numpy as np

max_indx = ([])

for indx, row in df.iterrows(): 
    if row['ID'] ==str(3): 
        max_indx = np.append(max_indx, indx) 
        max_element = np.amax(max_indx)

print('index: ', max_element)

解决方案 #

方法1：分组标记法 #

通过标记连续相同ID的分组，精准定位第一个目标组的最后索引：

import pandas as pd

data = {'ID': ['1', '2', '3', '3', '3', '4', '2', '5', '3', '3', '6', '3', '3']}
df = pd.DataFrame(data)

# 生成连续分组的唯一标识
df['group_id'] = (df['ID'] != df['ID'].shift()).cumsum()

# 筛选ID=3的第一个分组，获取其最大索引
target_group_id = df[df['ID'] == '3']['group_id'].iloc[0]
last_index = df[(df['ID'] == '3') & (df['group_id'] == target_group_id)].index.max()

print('第一个连续子组的最后索引:', last_index)

运行结果：第一个连续子组的最后索引: 4

方法2：遍历终止法 #

直接遍历数据，找到第一个连续3子组的结束位置后立即停止，效率更高：

import pandas as pd

data = {'ID': ['1', '2', '3', '3', '3', '4', '2', '5', '3', '3', '6', '3', '3']}
df = pd.DataFrame(data)

found_first_group = False
last_idx = None

for idx in range(len(df)):
    if df.loc[idx, 'ID'] == '3':
        # 判断是否是当前连续组的最后一个元素
        if (idx == len(df)-1) or (df.loc[idx+1, 'ID'] != '3'):
            if not found_first_group:
                last_idx = idx
                found_first_group = True
                break  # 找到目标后直接终止遍历

print('第一个连续子组的最后索引:', last_idx)

运行结果同样输出4，符合需求。

内容的提问来源于stack exchange，提问作者Sara