如何在Pandas DataFrame中将重复行列合并为区间？

先看原始可复现代码，生成的DataFrame中存在多组连续重复列，对应0-1、1-2这类小区间，我们需要将这些重复列合并为0-4、4-8这类大区间，同时更新索引：

import pandas as pd
from random import randint as ri
from random import choice

get_pattern = lambda: [i for ii in [[choice([True,False])]*ri(2,6) for _ in range(0,5)] for i in ii]
patterns = [get_pattern()[:15] for _ in range(0,3)]

df = pd.DataFrame({
    'A': patterns[0],
    'B': patterns[1],
    'C': patterns[2]
}, index = pd.interval_range(start=0, end=15, closed='both')).T.replace(False,'')

需求是替代遍历查找的繁琐方法，将重复列（转置前为重复行）合并，得到指定结构的DataFrame。

优雅解决方案代码 #

# 转置回原始结构，将空值恢复为False
df_original = df.T.replace('', False)

# 生成分组键：连续重复的行会被归为同一组
group_key = df_original.diff().any(axis=1).cumsum()

# 分组处理：合并区间、提取重复值
result_df = df_original.groupby(group_key).agg(
    interval=('index', lambda x: pd.Interval(left=x.iloc[0].left, right=x.iloc[-1].right, closed='both')),
    A=('A', 'first'),
    B=('B', 'first'),
    C=('C', 'first')
).set_index('interval').T.replace(False, '')

代码解释 #

1. 恢复原始结构：先转置DataFrame，把空值转回False，方便后续判断重复行。
2. 划分连续重复组：用diff().any(axis=1)检测每行与前一行是否有差异，只要有一列不同就标记为True；再用cumsum()生成分组ID，让连续重复的行进入同一个分组。
3. 合并区间与取值：对每个分组，合并区间时取组内第一个区间的左边界、最后一个区间的右边界；取值直接取组内第一行（因为重复行的值完全一致）。
4. 格式化输出：转回原结构，把False替换为空值，得到目标DataFrame。

内容的提问来源于stack exchange，提问作者DiMithras