本文介绍在 pandas 中识别数值连续段（streak），并基于前一段的值条件性修改当前段——例如将紧随“1段”之后的“2段”整体替换为 1，适用于序列化数据清洗与规则化处理。
本文介绍在 pandas 中识别数值连续段（streak），并基于前一段的值条件性修改当前段——例如将紧随“1段”之后的“2段”整体替换为 1，适用于序列化数据清洗与规则化处理。
在时间序列、状态日志或分组行为分析中，常需按“连续相同值段”（即 streak）进行上下文感知的转换。本例目标明确：若某段全为 2，且其直接前驱段全为 1，则将该 2 段所有元素统一替换为 1；其余值（如 -1、孤立 2 等）保持不变。
核心难点在于：不能仅比较相邻行（如 df.a.shift(1) == 1 and df.a == 2），因为这只能捕获段首的切换点，无法将整个后续 2 段全部标记。正确解法是按“段”传播前一段的代表值，再进行向量化判断。
✅ 推荐解法：利用 shift + ffill 实现段级上下文传播
import pandas as pd
df = pd.DataFrame({'a': [1, 1, 1, 2, 2, 2, 2, 2, -1, -1, 2, 2, 2]})
# 步骤1：获取上一行的值（用于检测段切换）
s = df['a'].shift()
# 步骤2：仅在值变化处保留前一行值，其余置为 NaN → 标记每个新段的起始点
# 然后用 ffill 向下填充，使整段共享其前一段的值
prev_group = s.where(df['a'] != s).ffill()
# 步骤3：构造两个布尔掩码
m1 = prev_group == 1 # 当前位置所属的「前一段」是否为 1
m2 = df['a'] == 2 # 当前位置值是否为 2
# 步骤4：同时满足时，赋值为 1
df.loc[m1 & m2, 'a'] = 1
print(df)
输出结果完全符合预期：
a 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 -1 9 -1 10 2 11 2 12 2
? 关键逻辑解析
- s.where(df['a'] != s)：仅当 a[i] != a[i-1]（即进入新段）时保留 s[i]（即 a[i-1]），否则设为 NaN；
- .ffill()：将每个新段起始处记录的前一段值，向下广播至整个当前段，实现“段级记忆”；
- 因此，从索引 3 到 7 的 2 段，其 prev_group 值均为 1.0（来自索引 2 处的 1），从而被完整匹配并替换。
⚠️ 注意事项
- 该方法不依赖显式循环或 groupby，纯向量化，性能优异；
- 首行因无前驱段，prev_group.iloc[0] 为 NaN，自然不满足 == 1，安全；
- 若需扩展规则（如“3 段接在 2 段后则变 2”），只需调整 m1 和 m2 的条件组合；
- 对含 NaN 的原始列需预处理（如 fillna()），避免 ffill 行为异常。
此模式可泛化为任意“基于前一段特征修改当前段”的场景，是 Pandas 序列规则处理的高阶实践范式。
