如何提取DataFrame中Duration列各连续Code序列的最大值？

我有如下结构的DataFrame：

import pandas as pd

df = pd.DataFrame({
    'Country': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A'],
    'Code': [1, 1, 1, 1, 2, 2, 1, 1, 1],
    'Duration': [0, 1, 2, 3, 0, 1, 0, 1, 2]
})

我需要从Duration列中提取每个连续相同Code序列对应的最大值，而不是全局或所有相同Code的最大值，期望输出如下：

Country  Code  Duration
0       A     1         3
1       A     2         1
2       A     1         2

直接按Code分组不行，因为Code会频繁重复出现，无法区分不同的连续序列，求解决思路和实现方法。

这个问题的核心是区分“连续相同的Code序列”和“所有相同的Code”，直接分组肯定不行，我们可以通过给每个连续序列分配唯一标识的方式来解决，具体步骤如下：

解决思路 #

1. 生成连续分组标识：通过对比当前行的Code与上一行的Code，标记出每个连续序列的起始点，再通过累加得到每个连续序列的唯一ID；
2. 按分组标识聚合：结合Country和生成的分组ID进行分组，提取每个组内的Code（同一组内Code一致，取任意值即可）和Duration的最大值；
3. 整理结果：去掉临时的分组标识列，重置索引得到最终输出。

代码实现 #

# 生成连续序列的唯一分组ID
df['group_id'] = (df['Code'] != df['Code'].shift()).cumsum()

# 按Country和分组ID聚合，提取目标值
result = df.groupby(['Country', 'group_id']).agg(
    Code=('Code', 'first'),  # 同一组Code相同，取第一个值即可
    Duration=('Duration', 'max')
).reset_index(drop=True)

print(result)

代码解释 #

• df['Code'].shift()会把Code列向下偏移一行，和原列对比后，得到的布尔值序列会标记出所有连续序列的起始行（True表示当前行是新序列的开始）；
• cumsum()会把这些布尔值（True=1，False=0）累加，从而给每个连续序列分配唯一的group_id，这样即使Code重复出现，不同位置的连续序列也会被区分开；
• 最后通过分组聚合，就能精准提取每个连续序列的Duration最大值了。

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