Pandas中DataFrame每次出现新值时如何删除对应分组前5行

实现逻辑 #

需求核心是识别指定列的连续同值块（而非全局同值分组），每个块单独跳过前5行保留剩余数据，实现分三步：

• 给每个连续同值块分配唯一ID：判断当前行和上一行指定列值是否不等，不等则分组ID累加
• 对每个块内的行按顺序编号，编号从0开始
• 筛选块内编号≥5的行，即为删除前5行后的结果，清理过程中生成的临时列即可

完整代码 #

import pandas as pd

# 测试数据
data = {
'col1': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C', 'C', 'C', 'C'],
'col2': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21]
}
df = pd.DataFrame(data)

# 标记连续同值块ID
df['block_id'] = df['col1'].ne(df['col1'].shift()).cumsum()
# 块内行顺序编号
df['row_idx'] = df.groupby('block_id').cumcount()
# 过滤前5行，删除临时列
res = df[df['row_idx'] >= 5].drop(columns=['block_id', 'row_idx']).reset_index(drop=True)
print(res)

运行结果 #

col1  col2
0    A     6
1    A     7
2    B    13
3    B    14
4    C    20
5    C    21

注意事项 #

• 该逻辑严格按「连续出现的同值」分组，若同一值后续断开后再次出现，会被识别为新的独立块，单独执行删前5行的逻辑，完全匹配「每次出现新取值」的需求
• 若某连续块总行数不足5行，该块所有数据会被过滤；如果需要调整删除行数，直接修改筛选条件里的数字阈值即可

内容的提问来源于stack exchange，提问作者ma59299