Python pandas 按A列分组时遇D列新序列中断实现分段groupby聚合

你之前直接用['A','D']作为groupby键的写法，会把同一个A值下所有D值相同的行全部聚合，完全忽略D值是否连续。比如A=04547下D=1000000的行分别出现在7-8月、10月24日两个不连续的区间，就会被错误合并成一组，自然和预期结果不符。

核心是先给每个A分组内的连续相同D值段生成独立的分段ID，再用A+分段ID作为分组键做聚合即可：

• 按A列拆分数据，对每个拆分后的子集，逐行判断当前行D值和上一行D值是否不同，每出现一次不同就给分段ID+1，相同则沿用当前分段ID
• 基于A列和生成的分段ID做分组聚合，按要求取B列首值、C列末值、D列首值即可

# 注意：如果你的A列带前导0，读取数据时请指定dtype={'A': str}，避免前导0被自动转成整数丢失
# 生成连续段标记
df['seg_flag'] = df.groupby('A')['D'].apply(lambda x: (x != x.shift()).cumsum()).droplevel(0)

# 聚合得到结果
result = df.groupby(['A', 'seg_flag'], as_index=False).agg(
    B=('B', 'first'),
    C=('C', 'last'),
    D=('D', 'first')
).drop(columns='seg_flag')

运行上述代码后输出的结果和你给出的预期结果完全一致。

内容的提问来源于stack exchange，提问作者Glammy