Pandas如何仅保留连续索引分组中首个值对应的行

核心思路是通过索引的差分判断连续分组的边界，仅保留每个连续分组的第一行，全部为向量化操作，执行效率极高，适配大流量数据场景。

实现代码 #

最简写法（推荐） #

通过差分直接生成过滤掩码，一步得到结果：

import pandas as pd

# 原始DataFrame构造代码
data = {"A":[i for i in range(10)]}
index = [1, 3, 4, 5, 9, 10, 12, 13, 15, 20]
df = pd.DataFrame(index=index, data=data)

# 核心过滤逻辑
mask = df.index.to_series().diff().ne(1)
result = df[mask]

print(result)

逻辑说明：

• df.index.to_series()将索引转换为Series，方便调用Pandas内置的差分方法
• diff()计算相邻索引的差值，第一个元素的差值默认返回NaN
• ne(1)判断差值是否不等于1，返回布尔掩码：值为True的位置就是新连续分组的第一行，天然包含整个DataFrame的第一行（NaN和1比较结果为True）

分组写法（适配后续聚合需求） #

如果后续需要对连续索引分组做其他计算，可以先生成分组编号再取首行：

# 生成连续分组的唯一编号
group_id = df.index.to_series().diff().ne(1).cumsum()
# 每个分组取第一行
result = df.groupby(group_id).first()

输出结果 #

两种写法都会得到预期输出：

A
1   0
3   1
9   4
12  6
15  8
20  9

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