本文介绍如何对 Pandas DataFrame 中按列 C2 的连续相同值块（而非全局相同值）进行分组，并计算每一块对应 C1 列的均值，适用于时间序列、状态变化日志等需识别“连续段”的场景。
本文介绍如何对 pandas dataframe 中按列 c2 的**连续相同值块**（而非全局相同值）进行分组，并计算每一块对应 c1 列的均值，适用于时间序列、状态变化日志等需识别“连续段”的场景。
在数据分析中，常需按“连续状态”而非“全局类别”聚合数据。例如：传感器记录中，C2 表示设备运行模式（如 10=待机、16=运行、23=告警），而我们需要计算每一段连续相同模式期间C1（如温度、负载）的平均值——这不同于 df.groupby('C2')['C1'].mean()（它会将所有 C2=10 的行合并计算，忽略顺序和连续性）。
核心思路是：为 C2 的每个连续相同值区间生成唯一组 ID。Pandas 提供了简洁高效的实现方式：
import pandas as pd
# 构造示例数据
df = pd.DataFrame({
'C1': [10, 20, 30, 5, 6, 8, 4, 2],
'C2': [10, 10, 16, 23, 23, 10, 10, 10]
})
# 方法一：使用 agg() —— 推荐（清晰、易读、支持多列聚合）
result = (df.groupby(df['C2'].ne(df['C2'].shift()).cumsum(), as_index=False)
.agg({'C1': 'mean', 'C2': 'first'}))
print(result.round(6))
输出：
C1 C2 0 15.0 10 1 30.0 16 2 5.5 23 3 4.67 10
关键步骤解析：
-
df['C2'].shift()：将 C2 下移一行，首行为 NaN； -
df['C2'].ne(...)：逐行比较是否“不等于上一行”，返回布尔 Series（True 表示新连续段起点）； -
.cumsum()：对布尔值累加，为每个连续段分配唯一整数 ID（如[1,1,2,3,3,4,4,4]）； -
groupby(...).agg({...})：按该 ID 分组，对 C1 取均值，对 C2 取每组首值（保证原始 C2 值不变）。
方法二（链式写法，兼容旧版）：
out = (df.groupby([df['C2'].ne(df['C2'].shift()).cumsum(), 'C2'], sort=False)['C1']
.mean()
.droplevel(0)
.reset_index()
.reindex(df.columns, axis=1))
⚠️ 注意事项：
- 必须使用
sort=False（方法一中as_index=False已隐含此意），否则 groupby 默认按分组键排序，打乱原始连续段顺序； -
agg({'C2': 'first'})比agg({'C2': 'last'})更稳妥，因连续段起始值即代表该段状态； - 若数据含缺失值（NaN），
ne(shift())对 NaN 的处理符合预期（NaN ≠ NaN → True），但建议提前清洗； - 此逻辑天然支持任意列组合的连续段识别，只需替换
'C2'为所需列名或布尔条件。
掌握该技巧，可轻松处理设备状态周期分析、用户会话切分、日志事件聚类等真实业务问题。
