如何删除Pandas DataFrame中被错误赋值的孤立及连续On信号行

你原有的代码存在两个核心问题：

• 循环过程中直接调用drop修改DataFrame，会动态改变行索引和总长度，后续的loc取值会出现错位
• 判断逻辑仅覆盖了单个On夹在Off之间的场景，没有适配连续On的情况

推荐使用pandas向量化操作实现需求，执行效率远高于循环，逻辑也更易维护：

import pandas as pd
import numpy as np

# 为连续相同的Signal值生成唯一分组ID
df['group_id'] = (df['Signal'] != df['Signal'].shift()).cumsum()

# 统计每个分组的特征
group_meta = df.groupby('group_id').agg(
    is_all_on = ('Signal', lambda x: (x == 'On').all()),
    first_idx = ('group_id', 'idxmin'),
    last_idx = ('group_id', 'idxmax')
).reset_index()

# 补充分组前后相邻行的Signal取值
group_meta['prev_signal'] = df.shift(1).loc[group_meta['first_idx'], 'Signal'].values
group_meta['next_signal'] = df.shift(-1).loc[group_meta['last_idx'], 'Signal'].values

# 筛选出需要删除的分组：全为On、前后相邻行都是Off
drop_groups = group_meta[
    group_meta['is_all_on'] &
    (group_meta['prev_signal'] == 'Off') &
    (group_meta['next_signal'] == 'Off')
]['group_id']

# 过滤掉需要删除的行，清理临时列
df = df[~df['group_id'].isin(drop_groups)].drop(columns='group_id').reset_index(drop=True)

上述代码可以覆盖所有夹在Off之间的连续On场景，不管连续On的长度是1还是更多，都会被整体删除。如果需要调整边界规则（比如删除DataFrame开头/结尾处的孤立On块），只需修改drop_groups的筛选条件即可。

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