如何替换DataFrame某列中连续出现≤3次的特定值行

核心逻辑 #

• 对目标列的连续相同值自动分组
• 统计每个分组的连续出现次数
• 筛选出取值为指定特定值、且连续出现次数≤3的分组，批量替换对应行的取值

完整代码示例 #

import pandas as pd

# 1. 读取CSV文件
df = pd.read_csv('你的CSV文件路径.csv')

# 2. 自定义参数，替换为你实际场景的对应取值
target_col = '你要处理的列名'  # 待处理的目标列名称
target_val = '需要替换的特定值' # 你指定的要筛选的特定值
replace_val = '替换后的值'     # 符合条件的行要替换成的内容

# 3. 生成连续相同值的分组ID
df['group_id'] = (df[target_col] != df[target_col].shift()).cumsum()

# 4. 统计每个分组的长度和对应取值
group_stats = df.groupby('group_id').agg(
    group_len = (target_col, 'count'),
    group_val = (target_col, 'first')
).reset_index()

# 5. 统计结果合并回原数据表
df = df.merge(group_stats, on='group_id', how='left')

# 6. 替换符合条件的行
df.loc[(df['group_val'] == target_val) & (df['group_len'] <= 3), target_col] = replace_val

# 7. 删除辅助列，输出处理后的CSV
df = df.drop(columns=['group_id', 'group_len', 'group_val'])
df.to_csv('处理后的结果.csv', index=False)

注意事项 #

• 如果你要匹配的特定值是空值NaN，请把第6步的判断条件df['group_val'] == target_val替换为df['group_val'].isna()
• 该逻辑不会修改连续出现次数大于3次的特定值行，也不会修改非特定值的所有行，完全匹配需求

内容的提问来源于stack exchange，提问作者Pallavi C