Pandas如何标记连续值：忽略首次出现，从第二次起标记为1

原始DataFrame创建代码 #

import pandas as pd

data={'id':[1,2,3,4,5,6,7,8,9,10,11],
      'value':[1,0,1,0,1,1,1,0,0,1,0]}
df=pd.DataFrame.from_dict(data)

输出结果：

id  value
0    1      1
1    2      0
2    3      1
3    4      0
4    5      1
5    6      1
6    7      1
7    8      0
8    9      0
9   10      1
10  11      0

需求说明 #

新增flag列，规则为：连续相同value的首次出现标记为0，从第二次出现开始标记为1。

当前错误实现及结果 #

使用以下代码尝试实现，但结果不符合需求：

df['flag'] = df.value.groupby([df.value,df.flag.diff().ne(0).cumsum()]).transform('size').ge(3).astype(int)

得到的错误输出：

id  value  flag
    0    1      1     0
    1    2      0     0
    2    3      1     0
    3    4      0     0
    4    5      1     1
    5    6      1     1
    6    7      1     1
    7    8      0     1
    8    9      0     1
    9   10      1     0
   10   11      0     0

期望输出 #

id  value  flag
    0    1      1    0
    1    2      0    0
    2    3      1    0
    3    4      0    0
    4    5      1    0
    5    6      1    1
    6    7      1    1
    7    8      0    0
    8    9      0    1
    9   10      1    0
   10   11      0    0

正确实现方法 #

核心思路是先识别连续相同value的分组，再在每个分组内对非首次出现的行标记为1：

# 生成连续相同value的分组键：每次value变化时分组号+1
df['group'] = (df['value'] != df['value'].shift()).cumsum()
# 每个分组内，从第2个元素（cumcount从0开始，>=1即非首次）标记为1
df['flag'] = df.groupby('group')['value'].cumcount().ge(1).astype(int)
# 可选：删除临时的group列
df = df.drop(columns='group')

执行后得到的结果与期望完全一致：

id  value  flag
0    1      1     0
1    2      0     0
2    3      1     0
3    4      0     0
4    5      1     0
5    6      1     1
6    7      1     1
7    8      0     0
8    9      0     1
9   10      1     0
10  11      0     0

内容的提问来源于stack exchange，提问作者pasq