如何使用Pandas按条件分组，合并连续非空Fluid的Depth为区间？

可以用Pandas的分组聚合功能实现，步骤如下：

首先准备示例数据：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'Depth': [235.5, 236, 236.5, 237, 237.5, 238],
    'Fluid': [np.nan, 'water', 'water', np.nan, 'water', 'water']
})

然后执行数据处理：

# 标记Fluid非空的有效行
df['valid'] = df['Fluid'].notna()
# 生成连续有效行的分组标识
df['group'] = df['valid'].cumsum()
# 分组聚合得到结果
result = df[df['valid']].groupby('group').agg(
    Min_Depth=('Depth', 'min'),
    Max_Depth=('Depth', 'max'),
    Fluid=('Fluid', 'first')
).reset_index(drop=True)

print(result)

代码解释 #

• df['Fluid'].notna()：生成布尔列，标记哪些行的Fluid值不为空，用来区分有效数据块和分隔用的NaN行。
• df['valid'].cumsum()：对布尔列求和，连续的有效行会被分配同一个组号，这样就能把被NaN分隔开的相同Fluid数据块分成不同的组。
• groupby('group').agg(...)：按组聚合，分别计算每组Depth的最小值、最大值，同时取每组的第一个Fluid值（同一组内Fluid值一致）。
• reset_index(drop=True)：移除分组用的group索引，得到整洁的结果格式。

运行后输出结果：

Min_Depth  Max_Depth  Fluid
0      236.0      236.5  water
1      237.5      238.0  water

内容的提问来源于stack exchange，提问作者naranara