如何简便计算DataFrame指定列的数值变化次数

先来看你给出的示例数据：

a b
0 1
1 1
2 1
3 2
4 1
5 2
6 2
7 3
8 3
9 3 

你提到列b的数值共变化4次，这个判断完全正确——对应1→2、2→1、1→2、2→3这四次相邻数值的变动。

你的循环解决方案是可行的，但其实pandas有更简洁高效的矢量化方法，不需要手动遍历每一行，尤其适合处理大规模数据集：

推荐的简洁实现方法 #

方法1：利用diff()判断差值变化 #

我们可以通过计算相邻元素的差值，统计差值不为0的次数（也就是数值发生变化的次数）：

# 写法1：去掉空值后直接统计
change_count = df['b'].diff().dropna().ne(0).sum()

# 写法2：先统计再修正第一行的空值影响
change_count = df['b'].diff().ne(0).sum() - 1

两种写法都能得到结果4。具体原理：

• df['b'].diff() 会计算当前元素与前一个元素的差值，第一行因没有前置元素会得到NaN
• .ne(0) 筛选出差值不等于0的情况（即数值发生了变化）
• 第一种写法用dropna()去掉第一行的NaN后求和；第二种写法先求和再减去第一行被误统计的1次，结果完全一致

方法2：用shift()做相邻元素比较 #

另一种思路是把列向下偏移一行，再和原列比较，统计不相等的次数：

# 写法1：去掉空值后直接统计
change_count = df['b'].ne(df['b'].shift()).dropna().sum()

# 写法2：先统计再修正第一行的空值影响
change_count = df['b'].ne(df['b'].shift()).sum() - 1

原理类似：

• df['b'].shift() 把列整体下移一行，第一行变成NaN
• .ne() 比较原列和偏移后的列，不相等就说明数值发生了变化
• 同样通过去掉空值或者减1来修正第一行的干扰

为什么推荐矢量化方法？ #

相比你的循环写法，这些方法有两个明显优势：

• 速度更快：pandas的矢量化操作是底层优化过的，处理几万甚至几十万行数据时，比手动循环快几个数量级
• 代码更简洁：一行代码就能完成逻辑，可读性和维护性更强

内容的提问来源于stack exchange，提问作者user495490