Pandas DataFrame连续索引拆分嵌套序列列表的实现与报错排查

报错的根本原因 #

Python列表的索引赋值仅支持操作列表当前已存在的索引位置，不会自动为不存在的索引位置开辟内存空间。
你初始化sequences = [[]]时，这个列表的总长度为1，可合法访问的索引只有0。当索引序列中断进入else分支时，seq自增为1，此时代码尝试执行sequences[1] = [index]——但列表当前根本没有索引为1的位置，既没有自动扩容，也没有提前把列表长度撑到2，自然就触发了越界报错。
需要明确的是，Python列表的索引是严格按照0到长度-1排列的连续整数，跨索引赋值的逻辑和字典添加键值对的逻辑完全不同，不支持跳跃式扩容。

Python列表动态追加元素的正确方式 #

要给列表新增元素，不能使用跳索引赋值的方式，必须使用列表自带的append()方法：

• append()会自动把新元素放到列表末尾，同步把列表长度加1，从根源上避免索引越界
• 实际使用中不需要手动维护seq位置计数器，只要在连续序列中断时，把新的序列组作为元素append到sequences末尾，同时始终用sequences[-1]指向当前正在填充的连续组即可

修正后的可运行代码：

same_width_nodes = df.loc[df['count'] == width]
# 按数值排序索引，保证连续序列判断基于数值大小而非行顺序
node_indices = same_width_nodes.sort_index().index
if len(node_indices) == 0:
    sequences = []
else:
    # 初始化第一个连续序列组
    sequences = [[node_indices[0]]]
    expected_next = node_indices[0] + 1
    # 从第二个索引开始遍历分组
    for idx in node_indices[1:]:
        if idx == expected_next:
            # 属于当前连续序列，追加到最后一个组
            sequences[-1].append(idx)
            expected_next += 1
        else:
            # 连续中断，新建序列组追加到列表末尾
            sequences.append([idx])
            expected_next = idx + 1

更高效的向量化实现方案 #

逐行遍历的方式在处理小批量数据时没问题，但如果筛选后的节点量达到十万甚至百万级，逐行Python循环的性能会很差。完全可以用pandas的向量化操作实现连续序列切分，核心逻辑是把“和前一个索引差值为1”作为连续的判断依据，差值不为1的位置作为分组切分点，不需要手动写循环：
实现代码：

same_width_nodes = df.loc[df['count'] == width]
node_indices = same_width_nodes.sort_index().index
if len(node_indices) == 0:
    sequences = []
else:
    # 计算每个位置和前一个索引的差值，差值不等于1就是新组的起点
    group_flag = (node_indices - node_indices.shift(1) != 1).cumsum()
    # 按组聚合收集索引，转成普通列表就是最终的嵌套结构
    sequences = node_indices.groupby(group_flag).apply(list).tolist()

方案优势：

• 全程基于pandas底层的C实现计算，没有逐行Python逻辑，大尺度数据下性能比循环方案高10~100倍
• 自动适配乱序的输入，只要提前对索引做排序即可，不需要手动维护计数器、越界判断
• 逻辑完全贴合连续序列的数学定义，不会因为循环逻辑的疏漏出现分组错误

内容的提问来源于stack exchange，提问作者Coder1