Pandas DataFrame连续相同值分组累计计数及滚动周期无变化次数统计

你当前的实现逻辑存在偏差，df['col'] == df['col'].shift(1) 只能得到当前行与上一行是否相等的布尔序列，rolling求和是统计窗口内相邻相等的次数总和，无法实现「遇到不同值就重置计数」的连续统计需求。

无滚动周期限制的基础实现 #

直接实现你给出的示例输出效果，核心逻辑是识别值变化的节点，按连续相同值分组后计数：

import pandas as pd
df = pd.DataFrame({'col':list('aaaabbab')})
# 识别值变化的标记点，值和上一行不同时标记为True
change_flag = df['col'].ne(df['col'].shift())
# 按变化标记累加得到连续相同值的分组ID
group_id = change_flag.cumsum()
# 每个分组内按顺序计数，得到连续相同次数
df['result'] = df.groupby(group_id).cumcount()

运行后df['result']的输出就是你期望的结果：

0    0
1    1
2    2
3    3
4    0
5    1
6    0
7    0
Name: result, dtype: int64

带滚动周期限制的扩展实现 #

如果后续需要限制统计的滚动窗口大小，比如窗口为N，只统计N个周期内的连续相同次数，只需要在基础结果上限制最大值即可：

window_size = 3
# 滚动窗口内最多连续相同次数为窗口大小-1，超过的部分截断
df['rolling_result'] = df['result'].clip(upper=window_size - 1)

如果需要更复杂的滚动窗口内连续统计逻辑，也可以基于上述分组计数的结果二次处理，该需求完全可以配合shift方法实现，不存在技术障碍。

内容的提问来源于stack exchange，提问作者Shane Kennedy