Pandas：合并学生同一科目连续相同分数的月度记录

我有一份学生多年各学科的月度成绩数据，DataFrame包含Name, Subject, Month, Year, Marks列，数据示例如下：

Name  Month  Year Subject  Marks
0    A      1  2022    Math     80
1    A      2  2022    Math     80
2    A      3  2022    Math     80
3    A      4  2022    Math     70
4    A      5  2022    Math     80
5    A      6  2022    Math     80
6    A      7  2022    Math     80

需要按学生和科目，合并连续分数相同的行，生成如下结果：

Name Subject  Marks    Time_Period
0    A    Math     80  1.2022-3.2022
1    A    Math     70  4.2022-4.2022
2    A    Math     80  5.2022-7.2022

之前尝试直接分组提取Min/Max(Month)和Min/Max(Year)，但中间出现不同分数时结果错误。

解决方法 #

核心思路是先给连续相同分数的行打上同一个分组标签，再按分组聚合。具体步骤：

• 先按Name、Subject、Year、Month排序，确保数据按时间顺序排列（避免因数据乱序导致分组错误）：

  df = df.sort_values(['Name', 'Subject', 'Year', 'Month'])
  

• 创建连续分组标签：按学生和科目分组后，对比当前行与上一行的Marks，不同则生成新分组：

  df['group'] = df.groupby(['Name', 'Subject'])['Marks'].apply(lambda x: x.ne(x.shift()).cumsum())
  

• 按Name、Subject、group、Marks聚合，提取每组的首尾时间并拼接成区间：

  result = df.groupby(['Name', 'Subject', 'group', 'Marks']).agg(
      start_time=lambda x: f"{x['Month'].min()}.{x['Year'].min()}",
      end_time=lambda x: f"{x['Month'].max()}.{x['Year'].max()}"
  ).reset_index()
  
  # 拼接时间区间列
  result['Time_Period'] = result['start_time'] + '-' + result['end_time']
  
  # 筛选并保留目标列
  result = result[['Name', 'Subject', 'Marks', 'Time_Period']]
  

运行上述代码后即可得到目标格式的结果。

内容的提问来源于stack exchange，提问作者RVD