如何对Pandas DataFrame连续同组分段统计行数并新增count列

你用普通groupby('col3')得不到预期结果的原因是：这种写法会把所有col3值相同的行合并为同一组，无法区分非连续的同值块（比如示例中前两行的A和最后一行的A，属于两个独立的连续分组，普通groupby会把它们算成同一个组，统计行数为3）。

要实现连续同值分组统计，需要先给每个连续的同值块分配唯一的分组标识，再按这个标识分组统计行数，具体实现如下：

首先修正你示例代码的小问题：col3的A、B是字符串类型，需要加引号，否则运行会报错：

import pandas as pd
d = {'col1': [1, 2,0,55,12], 'col2': [3, 4,44,34,46], 'col3': ['A','A','B','B','A'] } 
df = pd.DataFrame(data=d)

实现代码 #

写法1（可读性更高，带临时分组列）

# 生成连续分组ID：当前行col3值和上一行不同时标记为新分组，累加后得到每个连续块的唯一ID
df['group_id'] = (df['col3'] != df['col3'].shift()).cumsum()
# 按分组ID统计每组行数，用transform将统计结果映射到组内每一行
df['count'] = df.groupby('group_id')['col3'].transform('size')
# 可选：删除临时生成的group_id列
df.drop('group_id', axis=1, inplace=True)

写法2（简化版，无需临时列）

df['count'] = df.groupby((df['col3'] != df['col3'].shift()).cumsum())['col3'].transform('size')

两种写法运行后得到的结果完全符合你的预期：

col1  col2 col3  count
0     1     3    A      2
1     2     4    A      2
2     0    44    B      2
3    55    34    B      2
4    12    46    A      1

内容的提问来源于stack exchange，提问作者Sara