本文介绍使用 pandas 按“连续块”（而非全局分组）统计某列中重复值出现次数的方法，核心是通过 shift() + ne() 构建连续组标识，再结合 groupby().transform('size') 实现每行标注当前连续段长度。
本文介绍使用 pandas 按“连续块”（而非全局分组）统计某列中重复值出现次数的方法，核心是通过 `shift()` + `ne()` 构建连续组标识，再结合 `groupby().transform('size')` 实现每行标注当前连续段长度。
在数据分析中，常需统计某一列中连续相同值构成的区块长度（即“运行长度编码”，Run-Length Encoding），而非简单按值全局计数（如 value_counts() 或 groupby().size()）。例如，序列 [0, 0, 0, 1, 1, 0] 中，0 出现了 4 次，但应分为两个连续段：前 3 个 0 构成长度为 3 的块，末尾单个 0 构成长度为 1 的块；1 则构成长度为 2 的独立块。
要实现该需求，关键在于识别连续变化的边界。pandas 提供了简洁高效的向量化方案：
- 使用 Series.shift() 将原列下移一行，使每一行与前一行对齐；
- 使用 Series.ne()（即 !=）比较当前值与前一值是否不同，返回布尔 Series；
- 对该布尔 Series 应用 cumsum()，即可生成唯一递增的“连续组 ID”——每次值发生变化时，累计和加 1，从而为每个连续段分配相同 ID；
- 基于该组 ID 进行 groupby，并用 transform('size') 将每组长度广播回原始 DataFrame 的对应行。
以下是完整示例代码：
import pandas as pd
# 构造示例数据（注意：原始问题中最后一行为 0，共 7 行；此处按答案逻辑采用 6 行）
df = pd.DataFrame({'Value': [0, 0, 0, 1, 1, 0]})
# 生成连续分组标识，并计算每组大小
df['Freq'] = df.groupby(
df['Value'].ne(df['Value'].shift()).cumsum()
)['Value'].transform('size')
print(df)
输出结果：
Value Freq 0 0 3 1 0 3 2 0 3 3 1 2 4 1 2 5 0 1
✅ 注意事项：
- df['Value'].ne(df['Value'].shift()) 在首行会因 shift() 产生 NaN，而 NaN != x 恒为 True，因此第一行天然作为新组起点，符合预期；
- 此方法完全向量化，性能优异，适用于百万级数据；
- 若需同时获取起始位置、长度、值等完整 RLE 信息，可进一步使用 pd.Series.diff().ne(0).cumsum() 配合 agg() 提取聚合结果；
- 切勿误用 df.groupby('Value').transform('size')，它统计的是全局重复频次（如所有 0 共 4 次），无法区分连续段。
该技巧广泛应用于日志分析（如连续失败次数）、传感器时序数据（如状态持续时长）、金融行情（如连续涨跌天数）等场景，是 pandas 高级分组操作的典型范例。
