Pandas实现街道门牌号按间隔阈值分组聚合方法

基础背景 #

现有存储街道门牌号数据的DataFrame df，包含4个核心字段：

• street：街道名称
• descripcion：门牌号奇偶属性，取值odd为奇数号段、even为偶数号段
• start：门牌号段起始值
• end：门牌号段结束值
  每一行对应城市中的一个完整街区。

核心需求：
按街道名称、门牌号奇偶属性分组，合并连续门牌号段，取各连续段的最小start与最大end作为覆盖范围；若相邻门牌号段间隔超过阈值（区间内无有效门牌号），则间隔后的段归为同街道下的独立连续序列，最终得到每条街道实际覆盖的门牌号范围，用于统计街道延伸长度。

初始实现的问题 #

最初尝试新增group_ids字段标记分组切换节点，再按street、descripcion、group_ids字段分组聚合，但逻辑运行异常：测试样例中本应在end值为2899的位置触发分组切换，实际提前在end值为2499的位置切换，聚合结果不符合预期。
初始错误实现代码：

df = df.sort_values(["street","descripcion","start","end"],ascending=[True,True,True,True])
df["group_ids"] = (df.end+100 < df.end.shift(periods=-1)).cumsum()
df = df.groupby(["street","descripcion","group_ids"],as_index=False).agg({"start":"min","end":"max"})

可行实现方案 #

调试后可正常运行的实现代码（非最优效率版本）如下：

df["diff"]= df["start"] - df["end"].shift()
df["step"]=( df["diff"] != 2).cumsum()
df=df.groupby(["street","descripcion","step"],as_index=False).agg({"start":"min","end":"max"})

内容的提问来源于stack exchange，提问作者matias poses