本文介绍如何在 Pandas 中对列 C2 的连续相同值块（而非全局相同值）进行分组，并计算每组对应 C1 列的均值，适用于时间序列、状态变化日志等需保留原始顺序的场景。
本文介绍如何在 pandas 中对列 c2 的**连续相同值块**（而非全局相同值）进行分组，并计算每组对应 c1 列的均值，适用于时间序列、状态变化日志等需保留原始顺序的场景。
在数据分析中，常遇到需要按「连续状态」而非「全局类别」聚合的需求。例如：传感器每秒上报状态（C2）及测量值（C1），我们希望计算每次状态持续期间的平均测量值——此时不能直接 df.groupby('C2')['C1'].mean()，因为那会把所有 C2=10 的行（无论是否连续）合并计算，而题目要求的是按 C2 值的连续段分别聚合。
核心思路是：为每一组连续相同的 C2 值生成唯一组 ID。Pandas 提供了简洁高效的实现方式——利用 Series.ne(Series.shift()) 标识值变化点，再通过 .cumsum() 累计生成分组标签：
import pandas as pd
df = pd.DataFrame({
'C1': [10, 20, 30, 5, 6, 8, 4, 2],
'C2': [10, 10, 16, 23, 23, 10, 10, 10]
})
# 步骤解析：构造连续分组键
group_id = df['C2'].ne(df['C2'].shift()).cumsum()
# group_id: [1, 1, 2, 3, 3, 4, 4, 4] → 每个连续段拥有独立整数标签
# 方法一：使用 agg() 一次性聚合多列（推荐，更清晰）
result = df.groupby(group_id, as_index=False).agg({
'C1': 'mean',
'C2': 'first' # 取每组首项，确保 C2 值与该连续段一致
}).round(6) # 可选：控制小数位数
print(result)
输出：
C1 C2 0 15.0 10 1 30.0 16 2 5.5 23 3 4.666667 10
✅ 优势说明：
-
as_index=False直接返回 DataFrame，避免后续reset_index()； -
agg({'C1': 'mean', 'C2': 'first'})语义明确，且自动保持列名与原始顺序； - 不依赖
sort=False或droplevel()，代码更鲁棒、易维护。
⚠️ 注意事项：
- 切勿使用
df.groupby('C2').mean()—— 它会将所有 C2=10 的行（第0、1、5、6、7行）统一计算均值(10+20+8+4+2)/5 = 8.8，与题目要求的15.0（前两行）、4.67（后三行）完全不符； -
groupby(..., sort=False)在此场景非必需，因cumsum()生成的组 ID 本就按原始顺序递增； - 若数据含缺失值（NaN），
ne(shift())会将首个 NaN 视为“变化”，建议提前用fillna()处理或明确业务逻辑。
总结：识别连续段的本质是「检测值变更」，s.ne(s.shift()).cumsum() 是 Pandas 中的标准范式。结合 agg() 多列聚合，即可一行代码优雅解决此类“按状态持续期统计”的典型问题。
