如何按连续相同Layer值精简数据集并提取对应深度极值

核心处理注意点：不能直接按全表BorID+Layer字段分组聚合，否则会把同一BorID下不连续的同Layer值记录错误合并，必须先识别同一BorID下、Layer取值连续相同的独立分段，再对每个分段做聚合计算。

方案1：Python + Pandas 实现（千行级数据处理效率高，推荐） #

• 安装依赖库

  pip install pandas
  

• 编写处理代码，可直接适配csv、Excel等常见格式的数据集

  import pandas as pd
  
  # 读取本地数据集，根据文件格式选择对应读取方法
  df = pd.read_csv("你的数据集文件路径.csv")
  # Excel格式读取：df = pd.read_excel("你的数据集文件路径.xlsx")
  
  # 生成连续分段标记：按BorID分组，当前行Layer和上一行不同时，分段编号累加
  df["block_flag"] = df.groupby("BorID")["Layer"].apply(
      lambda col: (col != col.shift()).cumsum()
  ).reset_index(drop=True)
  
  # 按BorID+分段标记分组聚合
  merged_result = df.groupby(["BorID", "block_flag"], as_index=False).agg(
      Depth1=("Depth1", "min"),
      Depth2=("Depth2", "max"),
      Layer=("Layer", "first")
  ).drop(columns="block_flag") # 删除辅助用的分段标记列
  
  # 导出处理完成的结果
  merged_result.to_csv("合并后结果.csv", index=False)
  # Excel格式导出：merged_result.to_excel("合并后结果.xlsx", index=False)
  

• 效果说明
  你给出的示例数据中每条记录的Layer值和相邻记录均不重复，每个连续分段仅1条记录，处理后结果和原表一致；如果存在连续多条同Layer记录，例如某BorID下连续3条Layer为S的记录，Depth1/Depth2依次为0.1-0.5/0.5-1.1/1.1-1.6，会自动合并为单条记录：BorID不变，Depth1取最小值0.1，Depth2取最大值1.6，Layer为S。

方案2：Excel 操作实现（无需编写代码） #

• 先对全表按BorID字段排序，确保同一个BorID的所有记录连续排列（原数据已按钻孔逐行排列可跳过此步）
• 新增辅助列命名为连续标记，首行数据行（表头下第一行）的单元格填1，第二行数据开始输入公式：=IF(AND(A2=A1,D2=D1),E1,E1+1)，其中A列为BorID列、D列为Layer列、E列为新建的连续标记列，公式下拉填充整列
• 选中全表，点击顶部菜单栏「数据」选项卡中的「分类汇总」功能，分类字段选择连续标记，汇总项勾选Depth1的最小值、Depth2的最大值，确认后即可生成每个连续分段的聚合值，最后筛选汇总行、删除多余明细行即可得到最终结果。

内容的提问来源于stack exchange，提问作者Mikkel Astrup