如何在Pandas DataFrame中为连续三行重复值添加新列

问题背景 #

现有如下Pandas DataFrame：

import pandas as pd
df = pd.DataFrame({'ID': ['p1305', 'p1305', 'p1305', 'p1307', 'p1307', 'p1307', 'p1301', 'p1301', 'p1301', 'p1340', 'p1340', 'p1340','P569','P987','P569']})

需求：添加一列y，当ID列连续三行值相同时，对应行的y值为Yes，否则为No。

尝试的代码：

# 创建大小为3的滚动窗口
rolling = df['ID'].rolling(3)

# 自定义函数检查窗口内值是否全部相同
df['y'] = rolling.apply(lambda x: 'Yes' if all(x == x[0]) else 'No')

触发错误：

DataError: No numeric types to aggregate

期望输出：

ID      y
0  p1305  Yes
1  p1305  Yes
2  p1305  Yes
3  p1307  Yes
4  p1307  Yes
5  p1307  Yes
6  p1301  Yes
7  p1301  Yes
8  p1301  Yes
9  p1340  Yes
10 P1340  Yes
11 P1340  Yes
12 P569   No
13 P987   No
14 P569   No

解决方案 #

错误原因 #

rolling.apply()默认要求聚合操作返回数值类型，但你的lambda返回字符串Yes/No，且非数值列的滚动操作容易触发类型校验错误。

方法一：基于连续分组标记（推荐，匹配期望输出） #

通过标记连续相同ID的分组，统计每组行数，只要组内行数≥3，就标记该组所有行为Yes：

# 标记连续相同ID的分组
df['group'] = (df['ID'] != df['ID'].shift()).cumsum()
# 统计每个分组的行数
df['count'] = df.groupby('group')['ID'].transform('count')
# 根据行数设置y列
df['y'] = df['count'].map(lambda x: 'Yes' if x >=3 else 'No')
# 清理中间列（可选）
df.drop(['group', 'count'], axis=1, inplace=True)

方法二：基于滚动窗口校验 #

如果需要严格校验当前行所在的3行窗口内值是否全部相同，可以用rolling.nunique()返回数值结果，再转换为Yes/No：

# 计算每个3行窗口内ID的唯一值数量（min_periods=1允许窗口不足3行）
window_unique = df['ID'].rolling(3, min_periods=1).nunique()
# 唯一值为1时说明窗口内值全相同，标记Yes
df['y'] = window_unique.map(lambda x: 'Yes' if x ==1 else 'No')

两种方法对比：

• 方法一：针对整个连续相同的ID组，只要组内出现≥3次，所有行都标记Yes，完全匹配你的期望输出。
• 方法二：针对每个滚动窗口，仅当窗口内3个值全相同时才标记Yes（前两行窗口不足3，但如果和后续值相同也会标记Yes）。

内容的提问来源于stack exchange，提问作者ARJ