如何在DataFrame中筛选包含指定子串的起止行间数据

需要从包含分段数据的DataFrame中，提取所有以包含Start子串的行为起始、包含End子串的行为结束的分段数据，保留每段的起止行及中间内容，过滤掉分段外的无关行。

原始DataFrame #

+----------------------------------+---------+
|               Col1               |  Col2   |
+----------------------------------+---------+
| Start A                          |    1    |
| value 1                          |    2    |
| value 2                          |    3    |
| value 3                          |    4    |
| value 5                          |    5    |
| End A                            |    6    |
| value 6                          |    3    |
| value 7                          |    4    |
| value 8                          |    5    |
| Start B                          |    1    |
| value 1                          |    2    |
| value 2                          |    3    |
| value 3                          |    4    |
| value 5                          |    5    |
| End B                            |    6    |
| value 6                          |    3    |
| value 7                          |    4    |
| value 8                          |    5    |
| Start C                          |    1    |
| value 1                          |    2    |
| value 2                          |    3    |
| value 3                          |    4    |
| value 5                          |    5    |
| End C                            |    6    |
+----------------------------------+---------+

预期结果 #

+----------------------------------+---------+
|               Col1               |  Col2   |
+----------------------------------+---------+
| Start A                          |    1    |
| value 1                          |    2    |
| value 2                          |    3    |
| value 3                          |    4    |
| value 5                          |    5    |
| End A                            |    6    |
| Start B                          |    1    |
| value 1                          |    2    |
| value 2                          |    3    |
| value 3                          |    4    |
| value 5                          |    5    |
| End B                            |    6    |
| Start C                          |    1    |
| value 1                          |    2    |
| value 2                          |    3    |
| value 3                          |    4    |
| value 5                          |    5    |
| End C                            |    6    |
+----------------------------------+---------+

尝试过的代码及问题 #

尝试了以下代码：

m = df['To'].isin(['Start A', 'End A']).cumsum().eq(1)
df[m|m.shift()]

存在两个问题：

• 仅返回第一组Start A到End A的数据，无法处理多组分段；
• 只能精确匹配指定字符串，无法通过子串Start/End匹配所有分段。

可以通过标记分段的起始和结束状态，结合累计计数来筛选所有目标分段：

实现代码 #

# 标记包含Start的行（分段起始）
start_mask = df['Col1'].str.contains('Start')
# 标记包含End的行（分段结束）
end_mask = df['Col1'].str.contains('End')

# 生成分段标识：每个Start对应一个新的分段ID
segment_id = start_mask.cumsum()
# 筛选处于有效分段内的行（已启动且未结束）
valid_segment = segment_id != 0
# 合并条件：保留有效分段内的行 + 结束行本身
final_mask = valid_segment | end_mask

# 获取最终结果
result_df = df[final_mask]

代码说明 #

• str.contains用于匹配子串，解决了原代码只能精确匹配的限制；
• start_mask.cumsum()为每个Start生成递增的分段ID，确保多组分段都能被独立识别；
• valid_segment保留从Start到End之间的所有行，| end_mask确保End行本身被包含；
• 自动过滤掉分段外的无关行，直接得到所有完整的Start-End分段数据。

内容的提问来源于stack exchange，提问作者abhi