Pandas DataFrame奇偶行配对比较 筛选保留id相同的成对行

现有一个包含Index、Time、Id三列的DataFrame，共10行样例数据：

• 索引0：Time为10:10:00、Id为11
• 索引1：Time为10:10:01、Id为12
• 索引2：Time为10:10:02、Id为12
• 索引3：Time为10:10:04、Id为12
• 索引4：Time为10:10:06、Id为13
• 索引5：Time为10:10:07、Id为13
• 索引6：Time为10:10:08、Id为11
• 索引7：Time为10:10:10、Id为11
• 索引8：Time为10:10:12、Id为11
• 索引9：Time为10:10:14、Id为13

需求说明 #

按相邻奇偶行配对：行0与行1、行2与行3……所有偶数索引行和紧接的下一个奇数索引行为一组，仅保留组内两个行Id值完全相同的配对行，预期最终保留索引2&3、4&5、6&7共三组6行数据。

原有代码问题 #

之前编写的筛选代码无法得到正确结果，核心原因有两点：

df = df[
    df[::2]["id"] ==df[1::2]["id"]
]

1. 索引对齐问题：df[::2]["id"]的行索引是0、2、4、6、8，df[1::2]["id"]的行索引是1、3、5、7、9，两个Series做相等判断时pandas会按索引匹配对应值，所有位置都找不到匹配的索引，比较结果全为False，无法筛选出有效行。
2. 列名匹配问题：如果DataFrame列名是大写开头的Id，代码里写小写id会直接触发键报错。

正确实现方案 #

方案1：分组判断（可读性好） #

给每一组相邻奇偶行分配同一个分组ID，判断每个分组内的Id是否全部一致，再筛选符合条件的行：

import numpy as np

# 按相邻两行分配同一个分组编号
pair_group = np.arange(len(df)) // 2
# 标记每个分组内Id是否全部相同
keep_mask = df.groupby(pair_group)["Id"].transform(lambda x: x.nunique() == 1)
# 得到最终筛选结果
result = df[keep_mask]

方案2：数组直接比较（执行效率高） #

取奇偶行的Id值转成numpy数组（跳过pandas索引对齐逻辑），按位置比较配对是否相等，再把比较结果重复两次对应组内两行，生成完整筛选掩码：

# 按位置比较每对Id是否相等，每个结果重复2次覆盖组内两个行
keep_mask = (df["Id"].iloc[::2].to_numpy() == df["Id"].iloc[1::2].to_numpy()).repeat(2)
result = df[keep_mask]

两种方案运行后都会得到预期的三组配对数据。

内容的提问来源于stack exchange，提问作者Dryade