如何按列识别ABAB模式并合并为AB以聚合Pandas DataFrame计数？

需求说明 #

识别DataFrame的letter列中连续的ABAB模式（如b,c,b,c），将其简化为AB并对对应位置的count求和；非ABAB模式的行保持原样。

示例输入：

import pandas as pd
df = pd.DataFrame()
df['letter'] = ['a','b','c','b','c', 'a', 'c', 'b']
df['count'] = [1, 6, 7 , 2 , 7, 1 , 3, 3 ]
print(df)

输出：

letter  count
0      a      1
1      b      6
2      c      7
3      b      2
4      c      7
5      a      1
6      c      3
7      b      3

目标输出：

letter  count
0      a      1
1      b      8
2      c     14
3      a      1
4      c      3
5      b      3

实现步骤与代码 #

1. 标记ABAB模式的起始位置
   通过移位比较，判断哪些位置是ABAB模式的起点（即第i行开始的连续四行是ABAB）：

# 构建条件：i行和i+2行相同，i+1行和i+3行相同，且i行≠i+1行
cond = (df['letter'] == df['letter'].shift(-2)) & \
       (df['letter'].shift(-1) == df['letter'].shift(-3)) & \
       (df['letter'] != df['letter'].shift(-1))
# 最后三行无法形成ABAB，设为False
cond.iloc[-3:] = False

2. 为行分配分组ID
   给ABAB模式的四行分配两个组（对应A和B），非模式行各自为独立组：

# 初始化分组ID
group_id = []
current_group = 0
i = 0
while i < len(df):
    if cond.iloc[i]:
        # ABAB模式：前两行与后两行分别对应同一组
        group_id.extend([current_group, current_group+1, current_group, current_group+1])
        current_group += 2
        i += 4  # 跳过已处理的四行
    else:
        group_id.append(current_group)
        current_group += 1
        i += 1

df['group'] = group_id

3. 按分组聚合求和
   根据分组ID，对count求和，同时保留对应的letter：

# 聚合：每个组取第一个letter，对count求和
result = df.groupby('group').agg(
    letter=('letter', 'first'),
    count=('count', 'sum')
).reset_index(drop=True)

print(result)

代码说明 #

• 标记条件通过移位操作精准识别ABAB模式，排除了AAAA、ABAC等不符合要求的序列；
• 分组ID的分配确保ABAB模式的四行被映射到两个组，实现合并求和的逻辑；
• 最后通过分组聚合完成数据简化，非模式行保持原有结构不变。

内容的提问来源于stack exchange，提问作者datasavvy