Pandas实现：为符合条件的连续行集群添加分组变量

针对你的需求，我们可以利用Pandas的移位（shift）和累加（cumsum）操作，高效识别连续的True集群并完成编号，代码适用于任意行数和集群大小的数据集：

1. 导入库并创建示例DataFrame #

import pandas as pd

df = pd.DataFrame({'forms_a_cluster': [False, False, True, True, True, False, False, False,
                                       True, True, False, True, True, True, False]})

2. 生成集群编号 #

# 标记每个集群的起始行：当前行是True且上一行是False时，标记为1，否则为0
cluster_starts = df['forms_a_cluster'] & ~df['forms_a_cluster'].shift(fill_value=False)
# 累加起始标记，得到每个集群的唯一编号
df['cluster_number'] = cluster_starts.cumsum()
# 将非集群行的编号替换为False
df['cluster_number'] = df['cluster_number'].where(df['forms_a_cluster'], False)

代码解释 #

• df['forms_a_cluster'].shift(fill_value=False)：将forms_a_cluster列向下移位一行，第一行填充False，用于对比当前行与上一行的状态。
• cluster_starts：仅在当前行是True且上一行是False时返回True，对应每个集群的第一行，其余行返回False。
• cluster_starts.cumsum()：对起始标记累加，这样同一集群内的所有连续True行都会获得相同的编号（如第一个集群为1，第二个为2）。
• .where(df['forms_a_cluster'], False)：仅保留forms_a_cluster为True的行的编号，非集群行替换为False，完全匹配你的期望输出。

最终输出 #

运行后df的结果与你提供的示例一致：

内容的提问来源于stack exchange，提问作者pd441