Python 熊猫索引：标识连续重复相同值的子范围 问题描述

我正在寻找一种有效的方法来识别

pandas

Index

对象中连续重复相同值的所有子范围

示例问题

作为一个简单的例子，考虑下面的代码<熊猫> <代码>索引>代码>对象：

import pandas as pd
idx = pd.Index(['X', 'C', 'C', 'C', 'Q', 'Q', 'Q', 'Q', 'A', 'P', 'P'])

在此示例中，值

C

从位置1到3重复，值

Q

从位置4到7重复，值

p

从位置9到10重复。然后我试图得到的结果是一个元组列表（或类似的东西），如下所示：

[(1, 3, 'C'), (4, 7, 'Q'), (9, 10, 'P')]

到目前为止已经试过了 我一直在尝试

pandas.Index.duplicated

属性，但仅此一项，我还未能成功获得预期的结果

编辑： 非常感谢大家的回答。我还有一个后续问题。假设

索引也包含非连续的重复值，如本例所示（其中value
X
多次出现）：

如何获得忽略
X
值的结果？即，如何获得本例的以下结果：

[(1, 3, 'C'), (4, 7, 'Q'), (9, 10, 'P')]

这里有一个方法：

In [107]: ix = pd.Series(idx.values)

In [108]: [(v.min(), v.max(),k) for k,v in ix.groupby(ix).groups.items() if len(v) > 1]
Out[108]: [(1, 3, 'C'), (9, 10, 'P'), (4, 7, 'Q')]

原始问题
其中
idx=pd.Index（['X'，'C'，'C'，'Q'，'Q'，'Q'，'A'，'p'，'p']）

有点非常规，但应该有效，而且速度似乎也快得多：

# Get a new Index which is the unique duplicated values in `idx`
un = idx[idx.duplicated(keep=False)].unique()

# Call `get_loc` on `idx` for each member of `un` above  
# `np.where` gets position of True in boolean Index
res = []
for i in un:
    w = np.where(idx.get_loc(i))[0]
    # w[0], w[-1] analogous to v.min(), v.max() from @MaxU's answer
    res.append((w[0], w[-1], i))

print(res)
# [(1, 3, 'C'), (4, 7, 'Q'), (9, 10, 'P')]

时间：

%timeit myanswer()
105 µs ± 3.19 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%timeit maxu()
1.21 ms ± 116 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

未注释：

un = idx[idx.duplicated(keep=False)].unique()
res = []
for i in un:
    w = np.where(idx.get_loc(i))[0]
    res.append((w[0], w[-1], i))

编辑问题
其中
idx=pd.Index（['X'，'C'，'C'，'Q'，'Q'，'Q'，'X'，'p'，'p']）

要在此处获得
un
，首先获取一个布尔索引，当一个值等于它前面或后面的值时，该索引为True，否则为False。这类似于第一部分中的idx.duplicated（keep=False）

b = (Series(idx).shift() == idx) | (Series(idx).shift(-1) == idx)
un = idx[b].unique()
# Rest should be the same

b = (Series(idx).shift() == idx) | (Series(idx).shift(-1) == idx)
un = idx[b].unique()
# Rest should be the same