如何使用Python(pandas)统计指定列数据及连续相邻特定值数量

原代码的问题 #

你写的代码跑不通是几个低级错误叠加导致的：

• 变量、列名、测试数据不统一：测试数据里列名写的是A，代码里取的是Color列；遍历对象一会是data一会是finalData；循环里用的i没有初始化；测试数据里的green/red没加引号是未定义变量
• 运算符优先级错误：&是pandas逐位与运算符，优先级比==高，你写的判断条件会先执行'green' & finalData['Color'].loc[i+1]，逻辑完全错误
• 循环逻辑漏洞：遍历到最后一行时取i+1会触发索引越界，i+=1写在if分支里会导致索引步进混乱
• 索引用法错误：遍历行的时候优先用iloc按位置取值，不要混用loc的标签索引和自增数字索引，很容易踩坑

推荐的向量化实现（通用高效） #

pandas做这类统计不要写iterrows循环，效率极低，用内置的移位方法几行代码就能搞定，而且数据量越大优势越明显：

import pandas as pd

# 先构造正确的测试数据，字符串值要加引号，列名和后续使用保持一致
df = pd.DataFrame(
    [['green'], ['green'], ['red'], ['green'], ['green'], ['green']],
    columns=['Color']
)

# 核心逻辑：逐行判断当前行和下一行是否同时为green
cur_green = df['Color'] == 'green'
next_green = df['Color'].shift(-1) == 'green' # shift(-1)将列向上平移1位，当前位置存储原下一行的值
continuous_green_pair = (cur_green & next_green).sum()

print(continuous_green_pair)
# 上述测试数据输出为3：第0-1行1对，第3-4、4-5行共2对，总计3对

这个方法是通用的：要统计其他值的连续相邻对，只要把判断条件里的'green'替换成目标值即可；要做多列组合的连续统计，只要追加对应的判断条件就行。

不推荐的循环写法（仅做参考） #

如果你刚接触pandas想先理解循环逻辑，可以参考下面的正确写法，但是生产环境绝对不要这么写，万行以上数据速度会比向量化写法慢几十上百倍：

count = 0
# 最多遍历到倒数第二行，避免i+1索引越界
for i in range(len(df) - 1):
    # 标量值的逻辑判断用and，不要用逐位运算符&
    if df['Color'].iloc[i] == 'green' and df['Color'].iloc[i+1] == 'green':
        count += 1

内容的提问来源于stack exchange，提问作者Nidal Zd