如何按连续元素切片时间索引DataFrame，提取连续相同元素首个值

嘿，这个需求用Pandas的内置方法就能轻松搞定，我来给你拆解一下实现步骤：

核心思路 #

我们需要识别出当前行的值和上一行不同的位置，这些位置正好对应每个连续相同子序列的第一个元素，再加上第一行（因为它没有上一行，肯定要保留）。

代码实现 #

假设你的DataFrame名为df，目标列是target_col，具体代码如下：

1. 生成筛选掩码

# 比较当前行与上一行的值，标记不同的位置
mask = df['target_col'] != df['target_col'].shift()

shift()函数会把列数据整体下移一行，第一行填充NaN。和原列比较时，第一行会因为和NaN不等返回True，后续行只有和上一行值不同时才返回True——这正好是我们需要保留的行。

2. 用掩码切片DataFrame

# 筛选出符合条件的行
result_df = df[mask]

示例验证 #

我们用你给出的示例数据来测试一下：

import pandas as pd

# 构造带时间索引的示例DataFrame
data = {'target_col': ['x','x','y','y','x','x','x','y','y','y','y','x']}
df = pd.DataFrame(
    data,
    index=pd.date_range('2024-01-01 00:00', periods=12, freq='H')
)

# 生成掩码并筛选
mask = df['target_col'] != df['target_col'].shift()
result_df = df[mask]

print(result_df)

运行后输出的result_df就会包含每个连续子序列的首个元素，对应的时间索引也会完整保留：

target_col
2024-01-01 00:00:00          x
2024-01-01 02:00:00          y
2024-01-01 04:00:00          x
2024-01-01 07:00:00          y
2024-01-01 11:00:00          x

额外说明 #

如果你的目标列中存在NaN值，可以调整掩码来适配这种情况，比如：

# 保留首次出现的NaN块，以及值变化的位置
mask = (df['target_col'] != df['target_col'].shift()) | df['target_col'].isna().shift().fillna(True)

内容的提问来源于stack exchange，提问作者Benus13