如何用Pandas将DataFrame连续符合条件行分组为簇并标记

架构老林

2026-7-30

解决方案：为连续True簇自动生成编号

实现代码

import pandas as pd

# 原始DataFrame
df = pd.DataFrame({
    'forms_a_cluster': [False, False, True, True, True, False, False, False,
                        True, True, False, True, True, True, False],
    'cluster_number': [False, False, 1, 1, 1, False, False, False,
                       2, 2, False, 3, 3, 3, False]
})

# 自动生成簇编号
# 1. 标记每个簇的起始行（当前为True且前一行为False）
cluster_starts = df['forms_a_cluster'] & ~df['forms_a_cluster'].shift(fill_value=False)
# 2. 累加起始行得到簇编号，非簇行替换为False
df['auto_cluster_number'] = cluster_starts.cumsum().mask(~df['forms_a_cluster'], False)

print(df)

代码解释

标记簇起始点：df['forms_a_cluster'].shift(fill_value=False) 将列向下偏移一行，第一行填充False。通过逻辑运算筛选出「当前行是True且前一行是False」的位置，这些就是每个簇的起始行。
生成簇编号：对起始点的标记结果做累加（cumsum()），同一簇内的所有行会共享同一个累加值，实现簇的统一编号。
处理非簇行：用mask()方法将forms_a_cluster为False的行替换为False，与示例中的预期输出完全匹配。