Pandas DataFrame查找满足分组约束的连续数值下降序列方法

全程用Pandas向量化操作实现，无显式for循环，完全符合你的需求规则：

前置数据处理 #

import pandas as pd

# 加载数据（提前复制你提供的DataFrame到剪贴板）
df = pd.read_clipboard(sep='\s\s+', engine='python')
# 清除空值行
df = df.dropna(subset=['Group1', 'Group2', 'Value']).reset_index(drop=True)

核心实现代码 #

# 1. 生成分组ID：Group1或Group2变化时触发序列中断
df['group_id'] = (
    (df['Group1'] != df['Group1'].shift())
    | (df['Group2'] != df['Group2'].shift())
).cumsum()

# 2. 标记下降步长和中断点
df['value_diff'] = df['Value'].diff()
df['is_drop'] = df['value_diff'] < 0  # 有效下降步长标记
df['is_break'] = (
    (df['group_id'] != df['group_id'].shift())
    | (df['value_diff'] > 0)  # Value上升时也触发中断
)

# 3. 生成连续下降段ID
df['drop_segment_id'] = df['is_break'].cumsum()

# 4. 按下降段聚合统计，筛选符合条件的序列
N = 4
DELTA = 0.1
result = df.groupby('drop_segment_id').agg(
    起始时间=('Time', 'first'),
    结束时间=('Time', 'last'),
    起始Value=('Value', 'first'),
    结束Value=('Value', 'last'),
    下降步长=('is_drop', 'sum'),
    总降幅=('Value', lambda x: x.iloc[0] - x.iloc[-1])
).reset_index(drop=True)

# 筛选符合条件的结果
result = result[(result['下降步长'] >= N) & (result['总降幅'] >= DELTA)].reset_index(drop=True)

输出结果示例（N=4、DELTA=0.1） #

和你给出的示例完全一致。

规则适配说明 #

1. 完全符合中断规则：Group1/Group2变化、Value上升都会触发新的下降段，原有序列中断
2. 完全符合持平规则：Value持平的时候is_drop为False，不计入下降步长，同时不会触发is_break，不会中断序列
3. 筛选条件直接在聚合后用布尔索引实现，可灵活调整N和DELTA的取值

内容的提问来源于stack exchange，提问作者tim