如何用Pandas提取连续重复3次的索引对应的DataFrame

要提取DataFrame中连续重复至少3次的索引对应的连续行，可以通过以下步骤用Pandas实现：

1. 构造示例数据 #

先还原你给出的示例DataFrame：

import pandas as pd

data = {
    'index': [1, 2, 2, 2, 3, 2, 5, 2],
    'var1': ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'f']
}
df = pd.DataFrame(data).set_index('index')

2. 标记连续索引组并计算组大小 #

我们需要先识别出连续相同索引的分组，再计算每个分组包含的行数：

# 生成连续组的唯一标识：当前索引和前一行不同时，组号递增
group_ids = (df.index != df.index.shift()).cumsum()
# 计算每个组的行数，并将结果映射到原DataFrame的每一行
group_sizes = df.index.to_series().groupby(group_ids).transform('size')

3. 筛选符合条件的行 #

筛选出所在组行数≥3的行，就是连续重复至少3次的索引对应的连续数据：

result = df[group_sizes >= 3]
print(result)

运行后输出结果：

var1
index      
2         b
2         c
2         d

逻辑说明 #

• group_ids通过对比当前行索引与前一行索引，将连续相同的索引归为同一个组，每个组有唯一编号。
• group_sizes用transform方法把每个组的大小赋值给组内的每一行，这样我们能直接通过行级的判断筛选目标数据。
• 最后通过group_sizes >=3筛选出所有属于连续重复3次及以上的索引组的行。

内容的提问来源于stack exchange，提问作者eymentakak