Python实现DataFrame仅相邻行按BS分组并统计ERROR极值的方法

解决方案 #

核心思路是通过对比当前行和上一行BS列的取值，生成连续分组的唯一标识，再基于该标识做聚合统计即可，完整实现代码如下：

import pandas as pd

# 构造原始数据集
data = {
    'ID': [0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20],
    'VAL': [0,1,1,0,11,10,12,11,9,30,31,29,10,9,8,11,0,1,2,9,10],
    'BS': [0,0,0,0,10,10,10,10,10,30,30,30,10,10,10,10,0,0,0,10,10],
    'ERROR': [0,1,1,0,1,0,2,1,-1,0,1,-1,0,-1,-2,1,0,1,2,-1,0]
}
df = pd.DataFrame(data)

# 生成连续分组标识：当前行BS与上一行不同时分组号+1
df['group_id'] = (df['BS'] != df['BS'].shift()).cumsum()

# 按分组标识聚合，统计对应字段
result = df.groupby('group_id').agg(
    BS=('BS', 'first'),
    MIN=('ERROR', 'min'),
    MAX=('ERROR', 'max')
).reset_index(drop=True).rename_axis('ID').reset_index()

print(result)

输出结果 #

运行上述代码得到的结果和预期完全一致：

ID  BS  MIN  MAX
0   0   0    0    1
1   1  10   -1    2
2   2  30   -1    1
3   3  10   -2    1
4   4   0    0    2
5   5  10   -1    0

内容的提问来源于stack exchange，提问作者Lidbey