Python 3.x 数据帧中的跳转点：列中的值更改的时刻

我试图确定以下数据帧的跳转点

# import Pandas library
import pandas as pd

label1 = ['422','422','422','428','428','453','453','453','453','453','421','421','421','421','421']
label2 = ['13:08','13:08','13:09','13:12','13:12','13:16','13:16','13:17','13:17','13:18','13:20','13:20','13:20','13:20','13:22']

d = {'Id':label1,'Time':label2}
df=pd.DataFrame(d)

我想找出Id值改变的时刻。例如，在上面的数据帧中，我需要的时间为13:09，id 422变为428时为13:12，id 428变为453时为13:12，id 453变为421时为13:18

我将感谢你在这方面的帮助。

---

如果

Id

为数字，则解决方案：

第一个获取差值，将第一个或最后一个

NaN

替换为

0

，并将不相等的comapre替换为最后一个过滤器：

另一个更通用的解决方案是通过ed值进行比较，并通过列

Id

的第一个或最后一个值重新计算

NaN

：

df1 = df[df['Id'].ne(df['Id'].shift(-1).fillna(df['Id'].values[-1]))]
print (df1)
    Id   Time
2  422  13:09
4  428  13:12
9  453  13:18

s = df.loc[df['Id'].ne(df['Id'].shift().fillna(df['Id'].values[0])), 'Id']
print (s)
3     428
5     453
10    421
Name: Id, dtype: int64

df1 = df[df['Id'].ne(df['Id'].shift(-1).fillna(df['Id'].values[-1]))].copy()
df1['Id'] = df1['Id'].astype(str) + '-' + s.values.astype(str)
print (df1)
        Id   Time
2  422-428  13:09
4  428-453  13:12
9  453-421  13:18

与加入的

Id

：

df1 = df[df['Id'].ne(df['Id'].shift(-1).fillna(df['Id'].values[-1]))]
print (df1)
    Id   Time
2  422  13:09
4  428  13:12
9  453  13:18

s = df.loc[df['Id'].ne(df['Id'].shift().fillna(df['Id'].values[0])), 'Id']
print (s)
3     428
5     453
10    421
Name: Id, dtype: int64

df1 = df[df['Id'].ne(df['Id'].shift(-1).fillna(df['Id'].values[-1]))].copy()
df1['Id'] = df1['Id'].astype(str) + '-' + s.values.astype(str)
print (df1)
        Id   Time
2  422-428  13:09
4  428-453  13:12
9  453-421  13:18

---

预计会输出什么？一个只有跳转点和相关标签的数据帧。若标签1中的值是字符串而不是数字，它也会工作吗？否，所以添加了新的解决方案。