如何统计列中连续重复值的频次
使用shift()与ne()构建连续组标识，结合cumsum()生成唯一组ID，再通过groupby().transform('size')对每行标注当前连续段长度，从而按连续块而非全局分组统计重复值频次，该方法适用于日志分析、传感器时序等场景。
本文介绍使用 pandas 按“连续块”（而非全局分组）统计某列中重复值出现次数的方法，核心是通过 shift() + ne() 构建连续组标识，再结合 groupby().transform('size') 实现每行标注当前连续段长度。
这篇文章要讲的，是pandas里一个很实用但容易踩坑的技巧——按“连续块”来统计重复值出现的次数，而不是按全局分组。什么意思呢？比方说，你有一列数据是 [0, 0, 0, 1, 1, 0]，如果直接用 value_counts() 或者 groupby().size()，结果会告诉你0出现了4次，1出现了2次。但这里显然有两个不同的0段：前面三个0连在一起，末尾单独一个0。它们本质上是两个独立的“运行段”（run-length encoding），需要分别统计长度。
那么，怎么才能识别出这些连续变化的边界呢？pandas提供了一套非常简洁的向量化方案，核心思路只有四步：
- 用
Series.shift()把原列下移一行，让每一行跟它前面那行对齐； - 用
Series.ne()比较当前值和前一个值是否相等——注意ne()就是!=，返回布尔值； - 对这个布尔序列做
cumsum()，每次遇到值变化，累计和就加1，这样每个连续段就被分配了一个唯一的ID； - 基于这个组ID做
groupby，然后用transform('size')把每组长度广播回原始数据框的每一行。
直接看代码更清楚：
import pandas as pd
# 构造示例数据
df = pd.DataFrame({'Value': [0, 0, 0, 1, 1, 0]})
# 生成连续分组标识，并计算每组大小
df['Freq'] = df.groupby(
df['Value'].ne(df['Value'].shift()).cumsum()
)['Value'].transform('size')
print(df)
运行结果：
Value Freq 0 0 3 1 0 3 2 0 3 3 1 2 4 1 2 5 0 1
注意几个细节：
df['Value'].ne(df['Value'].shift())在首行会因为shift()产生NaN，而NaN != x恒为True，所以第一行天然被当作新组的起点，完全符合预期。- 这个方法是完全向量化的，性能非常优秀，处理百万级数据也不在话下。
- 如果你不仅需要每行的段长度，还想知道每个段的起始位置、具体值等完整信息，可以改用
pd.Series.diff().ne(0).cumsum()配合agg()提取聚合结果。 - 千万注意：不要误用
df.groupby('Value').transform('size')，那统计的是全局重复频次——比如所有0会统计算出4次，完全无法区分连续段。
这个技巧在现实中非常常用：日志分析里统计连续失败次数，传感器时序数据中计算状态持续时长，金融行情里统计连续涨跌天数……凡是需要按“连续块”而不是“全局值”来计数的场景，都可以拿这套方法直接套用，属于pandas高级分组操作里的经典范例。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
AirBuddy 3 是面向 macOS 的蓝牙外设增强工具，可集中查看 AirPods、Beats 与苹果设备电量，提供快速连接、播放控制、电量提醒、桌面小组件和多台 Mac 外设接力等功能。
AirServer macOS版可把 Mac 转换为无线投屏接收端，通过 AirPlay 或 Google Cast 接收手机、平板和电脑画面，并支持多设备同时连接、高清镜像及会话录制，适合家庭娱乐、课堂教学、会议演示和应用展示。
Autodesk Maya 是面向影视、电视、动画和游戏行业的专业三维制作软件，集多边形与 NURBS 建模、角色绑定、关键帧和动作捕捉动画、Bifrost 特效模拟、材质开发及 Arnold 渲染于一体，
AirServer Windows版可把电脑变成AirPlay、Google Cast和Miracast无线投屏接收端，适合会议演示、课堂教学及家庭大屏分享。发送设备通常无需另装客户端，并可同时接收和智能排列多个镜像会话。