如何用Pandas基于内部编号提取连续值并生成新列？

我有如下Pandas DataFrame：

Answers  all_answers  Score
0       0.0            0     72
1       0.0            0     73
2       0.0            0     74
3       1.0            1      1
4      -1.0            1      2
5       1.0            1      3
6      -1.0            1      4
7       1.0            1      5
8       0.0            0      1
9       0.0            0      2
10     -1.0            1      1
11      0.0            0      1
12      0.0            0      2
13      1.0            1      1
14      0.0            0      1
15      0.0            0      2
16      1.0            1      1

各列含义：

• Answers：计算流程中符号变化的信号；
• all_answers：去除Answers负号后的结果；
• Score：all_answers的连续计数，统计连续1或0的出现次数。

需求：新增第四列New，仅保留all_answers连续出现5次1时对应的Answers值，其余情况设为0，最终结果如下：

Answers  all_answers  Score  New
0       0.0            0     72    0
1       0.0            0     73    0
2       0.0            0     74    0
3       1.0            1      1    1
4      -1.0            1      2   -1
5       1.0            1      3    1
6      -1.0            1      4   -1
7       1.0            1      5    1
8       0.0            0      1    0
9       0.0            0      2    0
10     -1.0            1      1    0
11      0.0            0      1    0
12      0.0            0      2    0
13      1.0            1      1    0
14      0.0            0      1    0
15      0.0            0      2    0
16      1.0            1      1    0
17      0.0            0      1    0

能否通过Pandas实现该需求？

当然可以用Pandas实现，核心思路是先定位到all_answers连续5次为1的分组，再对该分组内的Answers值保留，其余行设为0。

具体步骤： #

1. 标记连续相同值的分组：通过对比当前行与上一行的all_answers值，生成每个连续相同值的唯一分组ID；
2. 筛选目标分组：统计每个分组的长度，找出all_answers=1且长度恰好为5的分组；
3. 生成New列：判断每行是否属于目标分组，是则保留Answers值，否则赋值为0。

代码实现（直观版）： #

import pandas as pd

# 构造示例数据
data = {
    'Answers': [0.0, 0.0, 0.0, 1.0, -1.0, 1.0, -1.0, 1.0, 0.0, 0.0, -1.0, 0.0, 0.0, 1.0, 0.0, 0.0, 1.0],
    'all_answers': [0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 1, 0, 0, 1, 0, 0, 1],
    'Score': [72, 73, 74, 1, 2, 3, 4, 5, 1, 2, 1, 1, 2, 1, 1, 2, 1]
}
df = pd.DataFrame(data)

# 生成连续分组ID：当前行与上一行值不同时，分组ID+1
df['group_id'] = df['all_answers'].ne(df['all_answers'].shift()).cumsum()

# 统计每个分组的取值和长度，筛选出符合条件的分组
group_info = df.groupby('group_id').agg(
    group_value=('all_answers', 'first'),
    group_length=('all_answers', 'count')
)
target_groups = group_info[(group_info['group_value'] == 1) & (group_info['group_length'] == 5)].index

# 生成New列
df['New'] = df.apply(lambda row: row['Answers'] if row['group_id'] in target_groups else 0, axis=1)

# 移除辅助列（可选）
df = df.drop('group_id', axis=1)

print(df)

更简洁的实现方式： #

用transform直接生成每个分组的长度，再通过where方法完成条件赋值，代码更紧凑：

import pandas as pd

data = {
    'Answers': [0.0, 0.0, 0.0, 1.0, -1.0, 1.0, -1.0, 1.0, 0.0, 0.0, -1.0, 0.0, 0.0, 1.0, 0.0, 0.0, 1.0],
    'all_answers': [0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 1, 0, 0, 1, 0, 0, 1],
    'Score': [72, 73, 74, 1, 2, 3, 4, 5, 1, 2, 1, 1, 2, 1, 1, 2, 1]
}
df = pd.DataFrame(data)

# 生成分组ID和每个分组的长度
df['group_id'] = df['all_answers'].ne(df['all_answers'].shift()).cumsum()
df['group_length'] = df.groupby('group_id')['all_answers'].transform('count')

# 条件赋值生成New列
df['New'] = df['Answers'].where((df['all_answers'] == 1) & (df['group_length'] == 5), 0)

# 移除辅助列
df = df.drop(['group_id', 'group_length'], axis=1)

print(df)

内容的提问来源于stack exchange，提问作者Genry