Python实现分类连续数值区间提取及两类统计表格生成

针对你的需求，我们可以通过向量式分组替代逐行迭代，高效处理万级数据量，以下是具体实现步骤：

1. 生成分区间的MIN/MAX表 #

核心思路是先给连续相同cat的行打上分组标识，再按分组统计极值：

import pandas as pd

# 构造输入数据（实际使用时替换为你的数据集）
input_data = pd.DataFrame({
    'cat': ['A','A','A','A','A','A','A','A','B','B','B','A','A','A','B','B','B','B','B','B','B'],
    'num': [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21]
})

# 生成连续分组ID：当当前行cat与上一行不同时，分组ID自增
input_data['group_id'] = (input_data['cat'] != input_data['cat'].shift()).cumsum()

# 按cat和分组ID聚合，得到每个连续组的最小/最大值
result1 = input_data.groupby(['cat', 'group_id'])['num'].agg(['min', 'max']).reset_index(drop=True)
result1.columns = ['Cat', 'MIN', 'MAX']

执行后result1的输出即为你需要的第一个表格：

2. 生成合并区间的汇总表 #

基于第一步的结果，按Cat分组后拼接区间字符串即可：

# 按Cat分组，将每个区间格式化为"min-max"后用分号拼接
result2 = result1.groupby('Cat').apply(
    lambda x: '; '.join(f"{row.MIN}-{row.MAX}" for _, row in x.iterrows())
).reset_index(name='ranges')

这里的iterrows仅作用于分组后的小数据集（每个Cat对应的区间数量远小于原数据行数），不会影响整体效率。执行后result2的输出为：

内容的提问来源于stack exchange，提问作者jarsonX