如何以Pythonic方式在Pandas中对连续整数分组并求和？

DevOps 小满

2026-5-8

优雅解决连续差值分组求和的Pythonic方案

这个需求其实用pandas的矢量化操作就能轻松搞定，完全不用复杂的掩码移位逻辑，代码简洁还高效。咱们一步步来：

首先先还原你的示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    'some_int': [1, 2, 10, 11, 15],
    'another_int': [5, 6, 7, 8, 9]
})

核心思路

我们的目标是把some_int中连续差值为1的元素归为一组，关键在于识别新分组的起点：当某个元素和前一个元素的差值不等于1时，它就是新分组的第一个元素。利用这个逻辑，我们可以生成分组标签，再用groupby求和。

实现代码

# 生成分组ID：相邻元素差值≠1时标记为新分组，累加得到连续分组号
df['group_id'] = (df['some_int'].diff() != 1).cumsum() - 1  # 减1让分组从0开始

# 按分组ID对another_int求和
sum_result = df.groupby('group_id')['another_int'].sum()

print(sum_result)

运行后输出完全符合你的预期：

group_id
0    11
1    15
2     9
Name: another_int, dtype: int64

代码解释

df['some_int'].diff()：计算每一行与前一行的差值，第一行因为没有前一行，结果是NaN。
(df['some_int'].diff() != 1)：把差值不等于1的位置标记为True（包括第一行的NaN，因为NaN != 1会返回True），这些位置就是新分组的起点。
.cumsum()：对布尔序列累加，True会被当作1，False当作0，这样就能生成连续的分组编号。减1是为了让分组从0开始，和你预期的分组序号一致。
最后用groupby按分组ID求和，一步到位。