pandas如何提取DataFrame中num列连续行并拆分到多个DataFrame

核心逻辑是通过相邻行num列的差值识别连续段边界，给每段连续整数分配唯一分组ID后拆分即可，全程用pandas原生向量化运算，不需要写显式循环，效率很高。

具体步骤 #

• 若num列未按升序排列，先对num列排序重置索引（已排序可跳过该步）
• 计算相邻行num的差值，差值不等于1的位置即为新连续段的起点，对判断结果累加生成分组ID
• 按分组ID遍历分组，去掉临时生成的分组ID列，就能得到每个连续段对应的独立DataFrame

代码实现 #

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'num': [3, 4, 5, 26, 27, 30, 31, 32],
    'mut': ['-'] * 8
})

# 生成分组标签：连续的整数会被分到同一个标签下
df = df.sort_values('num').reset_index(drop=True)
df['group_tag'] = (df['num'].diff() != 1).cumsum()

# 拆分得到所有连续段的DataFrame，存入列表
split_dfs = [g.drop(columns='group_tag') for _, g in df.groupby('group_tag')]

结果验证 #

遍历split_dfs即可拿到需要的3个独立DataFrame：

• split_dfs[0]对应num值为3、4、5的行组
• split_dfs[1]对应num值为26、27的行组
• split_dfs[2]对应num值为30、31、32的行组

注：如果原始数据的num列本身已经是升序排列，可以直接跳过排序重置索引的步骤，不影响分组结果。

内容的提问来源于stack exchange，提问作者Tia Cava