如何按指定条件（c=1开始、c=-1结束）拆分DataFrame为子集？

问题分析 #

我们需要将DataFrame按照**列c的值等于1（起始）和列c的值等于-1（结束）**的规则拆分成多个子集，每个子集包含从起始行到对应结束行之间的所有数据。

解决方案代码 #

下面用Python的pandas库实现这个需求，步骤清晰易理解：

import pandas as pd

# 构造符合示例逻辑的DataFrame（假设实际场景中c列为数值型，1/-1作为起始结束标识）
data = {
    'a': [False, False, False, False, False, False, False, False, False, False, False, False, True, False, False, -1, False, False, False],
    'b': [False, -1, False, 1, False, 1, 1, False, 1, False, 1, False, -1, False, False, False, False, 1, False],
    'c': [False, False, True, 1, False, False, False, False, False, False, False, False, -1, False, True, False, True, 1, -1]
}
df = pd.DataFrame(data)

# 步骤1：标记起始（c==1）和结束（c==-1）的行
start_mask = df['c'] == 1
end_mask = df['c'] == -1

# 步骤2：为每个有效区间分配分组ID
group_id = 0
groups = [0] * len(df)
in_group = False

for i in range(len(df)):
    if start_mask.iloc[i]:
        group_id += 1
        in_group = True
        groups[i] = group_id
    elif end_mask.iloc[i]:
        groups[i] = group_id
        in_group = False
    else:
        groups[i] = group_id if in_group else 0

# 将分组ID加入DataFrame
df['group'] = groups

# 步骤3：拆分DataFrame为多个子集
subsets = []
for g in df['group'].unique():
    if g != 0:
        subset = df[df['group'] == g].drop('group', axis=1)
        subsets.append(subset)

# 查看拆分结果
for idx, subset in enumerate(subsets, 1):
    print(f"第{idx}个子集：")
    print(subset)
    print("-"*30)

代码解释 #

• 标记关键行：通过布尔掩码start_mask和end_mask快速定位起始和结束行，实际使用时可根据列c的真实数据类型（比如字符串）调整判断条件。
• 分配分组ID：遍历每一行，遇到起始行时开启新分组，遇到结束行时关闭当前分组，中间的行自动归属于当前活跃的分组。
• 拆分子集：根据分组ID筛选出每个独立区间的行，移除分组ID列后存入列表，得到最终拆分后的多个DataFrame子集。

注意事项 #

• 如果存在没有对应结束的起始行（比如最后一行是起始但无后续结束行），代码会将从该起始行到末尾的所有行归为一个子集，你可以根据需求调整逻辑（比如丢弃这类不完整子集）。
• 如果存在没有对应起始的结束行，该行会被标记为0组，不会进入任何子集。
• 若列c的起始/结束标识是字符串（比如示例中的文本描述），只需将判断条件改为df['c'] == '你的起始文本'即可。

内容的提问来源于stack exchange，提问作者Damiano Dotto