Python 如何基于前一行合并数据帧中的行？

我有一个按顺序排列的数据帧，它表示随时间测量的两个事件-测量值是事件的开始和结束时间。它们应该按ABABAB顺序排列，但在某些情况下，我可能会有相同类型的连续事件（即ABABABABAB）。我正在寻找一种方法，用上一个事件标签检查每一行中的事件标签（a或B），如果它们相同，则以这样的方式合并行，以保持第一个事件的开始时间和第二个事件的结束时间。考虑以下事项：

myDF = pd.DataFrame({"Event": ["A","B","A","A","B","B","A"], 
                 "Start": [1,3,5,7,9,11,13], 
                 "End": [2,4,6,8,10,12,14]})

我现在拥有的

我需要的是

注：索引位置2-3处的两个A事件已合并为一个，原来位置4-5处的两个B事件也合并为一个

==============================
  Event      Start      End
==============================
    A          1         2
    B          3         4
    A          5         8
    B          9         12
    A          13        14
==============================

我最初想使用

groupby

，但我认为这不对，因为这将在整个数据帧上分组。同样，我也尝试过使用

iteritems

，但没有成功。对于缺少代码表示歉意，但我不知道如何解决这个问题。

您可以使用

first

和

last

g=df[“事件”].ne（df[“事件”].shift（））.cumsum（）
groupby（g，as_index=False）.agg({
“事件”：“第一次”，
“开始”：“第一次”，
“结束”：“最后”
})
事件开始和结束
0 A 1 2
1 B 3 4
2 A 5 8
3 B 9 12
4 A 13 14

您可以与

first

和

last

一起使用

g=df[“事件”].ne（df[“事件”].shift（））.cumsum（）
groupby（g，as_index=False）.agg({
“事件”：“第一次”，
“开始”：“第一次”，
“结束”：“最后”
})
事件开始和结束
0 A 1 2
1 B 3 4
2 A 5 8
3 B 9 12
4 A 13 14

另一种方法是

for i in range(1,myDF.shape[0]):
    if myDF['Event'][i] == myDF['Event'][i-1]:
        myDF.loc[i, ('Start')]= min(myDF['Start'][i],myDF['Start'][i-1])
        myDF.loc[i, ('End')]= max(myDF['End'][i],myDF['End'][i-1])
        myDF.drop([i-1],inplace=True)

另一种方法可以是

for i in range(1,myDF.shape[0]):
    if myDF['Event'][i] == myDF['Event'][i-1]:
        myDF.loc[i, ('Start')]= min(myDF['Start'][i],myDF['Start'][i-1])
        myDF.loc[i, ('End')]= max(myDF['End'][i],myDF['End'][i-1])
        myDF.drop([i-1],inplace=True)

---

@是的，你是对的。编辑了答案。感谢you@Ch3steR谢谢，这正是我需要的。根据我自己的理解，“first”和“last”是否理解为GroupBy.agg中的关键字？我习惯于将任何东西视为用户指定的字符串。不是关键字，他们只是

GroupByfirst（）

和

GroupBy.last（）

，熊猫维护了一个映射这些内容的字典，例如

{'mean'：np.mean，'median'：np.median，}

现在

.GroupBy（…）.agg（'mean'））

将调用

np.mean

在他们的github repo

pandas/core/base.py

中搜索更多信息，他们有

\u cython\u table

来维护这些短手@DC_Liv@HenryYik是的，你说得对。编辑了答案。感谢you@Ch3steR谢谢，这正是我需要的。根据我自己的理解，“first”和“last”是否理解为GroupBy.agg中的关键字？我习惯于将任何东西视为用户指定的字符串。不是关键字，他们只是

GroupByfirst（）

和

GroupBy.last（）

，熊猫维护了一个映射这些内容的字典，例如

{'mean'：np.mean，'median'：np.median，}

现在

.GroupBy（…）.agg（'mean'））

将调用

np.mean

在他们的github repo

pandas/core/base.py

中搜索更多信息，他们有

\u cython\u table

来维护这些短手@DC\u Liv