如何在Pandas中根据连续行值分组（遇0新建分组）

这问题处理起来很直观，用Pandas的累积求和功能就能轻松实现你要的分组效果，我给你一步步拆解操作：

1. 先创建示例DataFrame #

首先我们先把你提供的数据转换成Pandas DataFrame：

import pandas as pd

data = {'distance_along_path': [0, 2.2, 4.5, 7.0, 0, 3.0, 5.0, 0, 2.0, 5.0, 7.0]}
df = pd.DataFrame(data)

2. 生成分组的数字标识 #

核心思路是：每当distance_along_path等于0时，就标记为一个新分组的起点。我们可以先创建一个布尔列，再对它做累积求和，这样就能得到连续的分组编号：

# 标记所有0值的位置，再累积求和得到分组编号
df['group_num'] = (df['distance_along_path'] == 0).cumsum()

这时候group_num列会是[1,1,1,1,2,2,2,3,3,3,3]，完美对应了我们需要的分组逻辑。

3. 将数字编号转为字母标识 #

如果想要把数字换成A、B、C这样的字母，只需要利用ASCII码的映射关系，把编号转换成对应的字母即可：

# 把数字编号转为大写字母（A对应65，所以编号+64就是对应的ASCII码）
df['group'] = df['group_num'].apply(lambda x: chr(64 + x))

4. 清理并查看结果 #

最后可以删掉中间的group_num列，只保留需要的两列：

df = df.drop('group_num', axis=1)
print(df)

运行后得到的结果完全符合你的需求：

distance_along_path group
0                   0.0     A
1                   2.2     A
2                   4.5     A
3                   7.0     A
4                   0.0     B
5                   3.0     B
6                   5.0     B
7                   0.0     C
8                   2.0     C
9                   5.0     C
10                  7.0     C

内容的提问来源于stack exchange，提问作者Shruti