如何用Pandas高效统计连续相同值的起止索引及长度？

问题背景 #

现有Dataframe A 的结构如下：

需要统计其中连续出现的0或1的起始索引（StartNum）、结束索引（EndNum）及连续次数（Size），生成新Dataframe B，示例结构如下：

结论：选Pandas的高效方法，别用数组循环 #

毫无疑问选Pandas的内置方法，数组循环不仅写起来麻烦、代码啰嗦，遇到大数据集时跑起来慢得离谱——Pandas底层是向量化实现，比Python层面的循环快好几个数量级，完全不是一个量级的效率。

具体实现代码 #

import pandas as pd

# 构造示例Dataframe A（如果原Dataframe的Index是行索引，先转成普通列：df_a = df_a.reset_index().rename(columns={'index': 'Index'})）
df_a = pd.DataFrame({
    'Index': [1,2,3,4,5,6,7,8,9,10],
    '1or0': [0,0,0,0,0,0,0,0,1,1]
})

# 给连续相同的1or0值打分组标记
df_a['group'] = (df_a['1or0'] != df_a['1or0'].shift()).cumsum()

# 按分组聚合计算所需字段
df_b = df_a.groupby('group').agg(
    StartNum=('Index', 'first'),
    EndNum=('Index', 'last'),
    Size=('Index', 'count')
).reset_index(drop=True)

print(df_b)

代码逻辑说明 #

1. 分组标记：用shift()把1or0列整体下移一行，和原列对比，但凡值不一样就说明是新的连续组的开始，再用cumsum()生成连续的分组ID，把同一段连续值分到同一个组里。
2. 聚合计算：按分组ID分组后，直接取每组的第一个Index当StartNum，最后一个Index当EndNum，组内的行数就是连续次数Size，一步到位。

这种方法全程是向量化操作，不用写循环，代码简洁还高效，不管数据集是小样本还是十万百万级的大数据，都能轻松处理。

内容的提问来源于stack exchange，提问作者Natoshi SakiSaki