如何在Pandas Series中统计连续重复值的出现次数？

这个需求其实很常见，我来给你拆解一下思路，一步步实现你要的效果：

步骤1：构造示例数据 #

先把你给出的示例Series创建出来，方便后续测试：

import pandas as pd

s = pd.Series([True, False, False, False, True, True, False])

步骤2：识别值的变化点 #

我们需要标记出当前值和前一个值不同的位置（包括第一个元素，因为它没有前值，默认作为新组的起点）：

# 比较当前值与前一个值是否不同，shift()会把第一个元素变成NaN，所以用fillna(True)把第一个位置标记为变化点
change_points = s != s.shift().fillna(True)

这一步得到的change_points结果是：

0     True
1     True
2    False
3    False
4     True
5    False
6     True
dtype: bool

步骤3：生成分组ID #

对变化点做累加求和，这样每一段连续相同的值会被分配到同一个分组ID里：

group_ids = change_points.cumsum()

group_ids的结果是：

0    1
1    2
2    2
3    2
4    3
5    3
6    4
dtype: int64

步骤4：逐组计数 #

最后对每个分组ID使用cumcount()（从0开始计数），再加1就得到从1开始的连续重复次数：

counts = s.groupby(group_ids).cumcount() + 1

最终的counts就是你要的结果：

0    1
1    1
2    2
3    3
4    1
5    2
6    1
dtype: int64

简洁版一行代码 #

如果想更简洁，可以把步骤合并成一行：

counts = s.groupby((s != s.shift().fillna(True)).cumsum()).cumcount() + 1

这样就完美实现了你需要的效果，每一次值变化时计数都会重置为1，连续相同的值则递增计数。

内容的提问来源于stack exchange，提问作者Ale