Python 从数据集中筛选出连续行

我有一个具有索引值和一个datetime变量的数据集，如下所示：

1      2017-01-03 09:30:01.958
46     2017-01-03 09:30:47.879
99     2017-01-03 09:33:48.121
117    2017-01-03 09:47:06.215
139    2017-01-03 09:51:06.054
1567   2017-01-03 14:17:18.949
2480   2017-01-03 15:57:13.442
2481   2017-01-03 15:57:14.333
2486   2017-01-03 15:57:37.500
2487   2017-01-03 15:57:38.677
2489   2017-01-03 15:57:41.053
2491   2017-01-03 15:57:54.870
2498   2017-01-03 15:59:24.210

我试图做的是从数据中删除连续的行（只保留段中的第一个观察值），在这种情况下，代码应该删除索引为2481和2487的行。我试着用

df[df.index.diff() == 0].drop()

但它只是回来了

AttributeError: 'Int64Index' object has no attribute 'diff'

对于使用未实现的方法使用

索引

，您可以使用：

感谢您提供numpy备选方案：

df[np.append(0, np.diff(df.index.values)) != 1]

计时：

#[11000 rows x 1 columns]
df = pd.concat([df]*1000)

In [60]: %timeit [True] + [(i[0]+1) != i[1] for i in zip(df.index.tolist(), df.index.tolist()[1:])]
100 loops, best of 3: 4.19 ms per loop

In [61]: %timeit np.append(0, np.diff(df.index.values)) != 1
The slowest run took 4.72 times longer than the fastest. This could mean that an intermediate result is being cached.
10000 loops, best of 3: 33.1 µs per loop

In [62]: %timeit df.index.to_series().diff() != 1
1000 loops, best of 3: 260 µs per loop

对于使用未实现的方法使用

索引

，您可以使用：

感谢您提供numpy备选方案：

df[np.append(0, np.diff(df.index.values)) != 1]

计时：

#[11000 rows x 1 columns]
df = pd.concat([df]*1000)

In [60]: %timeit [True] + [(i[0]+1) != i[1] for i in zip(df.index.tolist(), df.index.tolist()[1:])]
100 loops, best of 3: 4.19 ms per loop

In [61]: %timeit np.append(0, np.diff(df.index.values)) != 1
The slowest run took 4.72 times longer than the fastest. This could mean that an intermediate result is being cached.
10000 loops, best of 3: 33.1 µs per loop

In [62]: %timeit df.index.to_series().diff() != 1
1000 loops, best of 3: 260 µs per loop

---

更多

numpy

df[np.append(True, df.index.values[1:] != df.index.values[:-1] + 1)]

                        date
1    2017-01-03 09:30:01.958
46   2017-01-03 09:30:47.879
99   2017-01-03 09:33:48.121
117  2017-01-03 09:47:06.215
139  2017-01-03 09:51:06.054
1567 2017-01-03 14:17:18.949
2480 2017-01-03 15:57:13.442
2486 2017-01-03 15:57:37.500
2489 2017-01-03 15:57:41.053
2491 2017-01-03 15:57:54.870
2498 2017-01-03 15:59:24.210

---

更多

numpy

df[np.append(True, df.index.values[1:] != df.index.values[:-1] + 1)]

                        date
1    2017-01-03 09:30:01.958
46   2017-01-03 09:30:47.879
99   2017-01-03 09:33:48.121
117  2017-01-03 09:47:06.215
139  2017-01-03 09:51:06.054
1567 2017-01-03 14:17:18.949
2480 2017-01-03 15:57:13.442
2486 2017-01-03 15:57:37.500
2489 2017-01-03 15:57:41.053
2491 2017-01-03 15:57:54.870
2498 2017-01-03 15:59:24.210

---

我知道你们袖子里有东西。有趣的是，[df.index.to_series（）.diff（）！=1]将返回相同的内容。我非常喜欢可读性，更喜欢您的版本，但是我做了一个时间比较，为什么速度会慢得多？是to_series（）转换吗？答案相同，但数值化了。

df[np.append（0，np.diff（df.index.values））！=1]

应该加快转换速度。@AntonvBR-测试samm数据帧时出现了问题，越大，速度越快。您能将我的答案添加到计时中吗？谢谢，我知道你们袖子里有东西。有趣的是，[df.index.to_series（）.diff（）！=1]将返回相同的内容。我非常喜欢可读性，更喜欢您的版本，但是我做了一个时间比较，为什么速度会慢得多？是to_series（）转换吗？答案相同，但数值化了。

df[np.append（0，np.diff（df.index.values））！=1]

应该加快转换速度。@AntonvBR-测试samm数据帧时出现了问题，越大，速度越快。您能将我的答案添加到计时中吗？谢谢