如何在Pandas中查找最匹配指定条件的DataFrame连续行分组

核心思路是用Pandas内置的向量化操作、C层面实现的分组聚合替代纯Python逐行遍历，性能比手写循环高1~2个数量级，可轻松支撑百万级以上数据集处理。

实现步骤 #

1. 预处理时间字段，生成分组键 #

首先确保时间索引为标准datetime格式，针对示例中1天时间跨度的要求，直接按自然日切割分组即可：

import pandas as pd

# 转换索引为datetime类型（若已是标准格式可跳过）
df.index = pd.to_datetime(df.index)
# 生成按天的分组键
df["group_key"] = df.index.date

如果需要的是任意连续1天的滑动窗口（而非按自然日切割），可以直接使用Pandas原生的时间滚动窗口API，无需手动遍历判断时间差。

2. 向量化计算各分组匹配占比 #

通过布尔序列直接标记Strength列符合区间要求的行，分组聚合一次性算出所有分组的匹配占比，全程无Python层循环：

# 标记Strength落在目标区间的行，即0.75 <= Strength <= 0.9
df["is_match"] = df["Strength"].between(0.75, 0.9)

# 分组聚合：count为组内总行数，mean为匹配行占比（匹配数/总数）
group_metrics = df.groupby("group_key")["is_match"].agg(["count", "mean"])
# 提取占比最高的分组
best_group = group_metrics["mean"].idxmax()

3. 提取最优分组结果 #

筛选出最优分组对应的所有行，删除过程中生成的辅助列即可得到预期输出：

result = df[df["group_key"] == best_group].drop(columns=["group_key", "is_match"])

用提供的示例数据运行上述代码，得到的result和预期输出完全一致，2021-04-27分组的匹配占比为40%，是所有分组中最高的。

场景适配调整 #

• 若需要非固定自然日的滑动时间窗口，直接替换分组逻辑为时间滚动窗口计算即可：

  # 计算所有连续1天滑动窗口内的匹配占比
  rolling_score = df["is_match"].rolling(window="1D").mean()
  # 定位占比最高的窗口位置，提取对应行即可
  

• 若需要增加其他匹配条件（比如Power列取值区间），直接在is_match的布尔判断中追加&连接的条件即可，所有判断均为向量化执行，性能损耗极低。

性能说明：纯Python逐行遍历的运算逻辑在Python解释器层执行，类型判断、数值计算的常数项极高；上述方案所有核心运算均在C实现的NumPy/Pandas底层执行，相同时间复杂度下处理速度比手写循环快数十倍。

内容的提问来源于stack exchange，提问作者OAP