Pandas DataFrame如何优雅删除连续SWITCH行仅保留块末行及所有RESULT行

原有实现出错的核心原因是遍历DataFrame的同时直接删除行，会导致遍历索引和实际数据的行对应关系错乱，同时iterrows遍历的方式性能很低，不适合处理中大规模数据。

以下是两种高效、符合Pythonic规范的实现方案：

实现1：极简布尔索引（推荐，性能最优） #

直接通过向量运算构造过滤条件，无需循环和分组，性能比逐行遍历高1~2个数量级：

import pandas as pd

data = {'TYPE':['SWITCH','SWITCH','SWITCH',
'SWITCH','RESULT','RESULT','RESULT',
'RESULT','RESULT','SWITCH','SWITCH',
'RESULT','RESULT','RESULT','RESULT'],
'RESULT':['YES',
'NO','NO','YES',
'DONE','DONE','DONE',
'DONE','DONE','NO',
'YES','DONE','DONE',
'DONE','DONE']}
df = pd.DataFrame(data)

# 构造过滤条件
# 条件1：所有RESULT类型行全部保留
cond_result = df['TYPE'] == 'RESULT'
# 条件2：SWITCH类型行，且是连续SWITCH块的最后一行（下一行不是SWITCH）
cond_switch_last = (df['TYPE'] == 'SWITCH') & (df['TYPE'].shift(-1) != 'SWITCH')

# 按条件过滤
df_filtered = df[cond_result | cond_switch_last]
print(df_filtered)

输出完全匹配预期：

TYPE RESULT
3   SWITCH    YES
4   RESULT   DONE
5   RESULT   DONE
6   RESULT   DONE
7   RESULT   DONE
8   RESULT   DONE
10  SWITCH    YES
11  RESULT   DONE
12  RESULT   DONE
13  RESULT   DONE
14  RESULT   DONE

实现2：分组筛选（逻辑更直观，适合复杂规则扩展） #

如果后续过滤规则需要调整扩展，可以用连续分组的方式处理，逻辑可读性更强：

# 生成连续同类型的分组ID，相邻TYPE不同时分组ID+1
df['group_id'] = (df['TYPE'] != df['TYPE'].shift()).cumsum()

def group_filter(g):
    # RESULT组全保留，SWITCH组仅保留最后一行
    return g if g['TYPE'].iloc[0] == 'RESULT' else g.tail(1)

df_filtered = df.groupby('group_id', group_keys=False).apply(group_filter).drop(columns='group_id')

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