Pandas如何为连续True分组分配标签，False值统一标记为0？

完整实现代码 #

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'Value': [True, True, False, False, False, True, True, False, True, True]
})

# 核心逻辑
# 识别连续True簇的起始位置并累加计数
df['Label'] = (df['Value'] & df['Value'].ne(df['Value'].shift())).cumsum()
# 所有False对应的标签统一置为0
df.loc[~df['Value'], 'Label'] = 0

输出结果验证 #

运行上述代码后得到的df和需求完全匹配：

Value  Label
0   True      1
1   True      1
2  False      0
3  False      0
4  False      0
5   True      2
6   True      2
7  False      0
8   True      3
9   True      3

逻辑说明 #

• df['Value'].shift()将Value列整体下移一行，用于和当前行值做对比
• df['Value'].ne(df['Value'].shift())返回布尔序列，当前行和上一行Value不同时为True，定位值变化的位置
• 和df['Value']做与运算后，仅保留连续True簇的起始位置为True，其余位置为False
• 对上述布尔序列做累加（cumsum），每遇到一个新的True簇起始位置计数加1，同一簇的计数保持一致
• 最后将所有Value为False的行的Label统一赋值为0即可

内容的提问来源于stack exchange，提问作者Zizzipupp