Python Pandas：如何对差值≤1的元素进行分组

这问题我之前处理类似需求时也碰到过，用pandas的分组结合diff和累积求和就能完美解决，咱们一步步来实现：

1. 先构造示例数据 #

首先把你给出的示例DataFrame用代码还原出来：

import pandas as pd

data = {
    'group_number': [1,1,1,1,1,1,1,2,2,2,2,2,2,2],
    'val': [5,8,12,13,22,26,31,7,16,17,19,29,33,62]
}
df = pd.DataFrame(data)

2. 核心逻辑实现 #

我们需要定义一个处理每个分组的函数，然后应用到group_number的分组上：

def assign_subgroups(group):
    # 先对组内的val排序，确保差值计算的顺序正确（如果你的原始数据已经有序，这步可以省略）
    sorted_group = group.sort_values('val').reset_index(drop=True)
    # 计算相邻val的差值，第一行没有前一个元素，我们默认它属于新组（差值设为2，大于1）
    diff_over_threshold = sorted_group['val'].diff().fillna(2) > 1
    # 对布尔值累积求和，得到唯一的子组ID
    sorted_group['subgroup'] = diff_over_threshold.cumsum()
    return sorted_group

# 应用到每个group_number分组，得到最终结果
result_df = df.groupby('group_number', group_keys=False).apply(assign_subgroups)

3. 结果说明 #

运行后你会看到result_df里新增了subgroup列，同一group_number下，subgroup相同的就是满足条件的子组：

• group_number=1中，val=12和13的subgroup都是3，被归为同一子组
• group_number=2中，val=16和17的subgroup都是2，被归为同一子组

逻辑拆解 #

• diff()：计算当前行val与前一行val的差值，第一行返回NaN
• fillna(2)：把第一行的NaN替换成2，这样判断>1时会返回True，作为第一个子组的起始
• cumsum()：对布尔序列累积求和，每遇到一个True（即差值超过1），子组ID就加1，这样连续差值≤1的元素会共享同一个子组ID

内容的提问来源于stack exchange，提问作者Binyamin Even