本教程详细阐述了如何在Pandas DataFrame中，针对连续的特定标志（如HH或LL）分组，并从每个组中仅保留满足特定条件（如最高High值或最低Low值）的行，同时重置其他行的标志。文章通过groupby.transform结合布尔索引，提供了一种高效且专业的解决方案，避免了迭代和潜在的性能问题。
1. 问题背景与数据准备
在数据分析场景中，我们经常需要从时间序列或分组数据中识别出关键的“峰值”或“谷值”。例如，在一个交易数据集中，我们可能希望识别连续上涨（HH为True）或连续下跌（LL为True）区间内的最高点或最低点，并只保留这些关键点，而将同一区间内的其他点标记为非关键。
假设我们有一个Pandas DataFrame，其中包含HH和LL两个布尔列，分别表示“高高点”和“低低点”的趋势，以及对应的High和Low数值列。我们的目标是：
对于连续的HH为True的行，只保留其中High值最高的行，将其余HH为True的行改为HH为False。
对于连续的LL为True的行，只保留其中Low值最低的行，将其余LL为True的行改为LL为False。
以下是示例数据框的创建：
输出的原始DataFrame如下：
2. 解决方案：使用groupby.transform进行高效分组与筛选
为了解决上述问题，我们需要一个能够识别连续HH或LL块的机制，并在这些块内部执行聚合操作。Pandas的groupby.transform方法是实现这一目标的强大工具。
2.1 核心思路
创建分组标识：
首先，我们需要定义什么是“连续的HH或LL块”。当HH或LL列的模式发生变化时，就认为是一个新组的开始。
组内最大/最小值识别：
在每个识别出的组内，计算High列的最大值和Low列的最小值，并将其广播回原始DataFrame的每一行。
布尔索引筛选：
比较原始的High和Low值与广播回来的组内最大/最小值，生成布尔掩码。
更新DataFrame：
根据布尔掩码
import pandas as pd
mydict = [
{'HH': True, 'LL': False, 'High': 10, 'Low': 1},
{'HH': False, 'LL': True, 'High': 100, 'Low': 20},
{'HH': True, 'LL': False, 'High': 32, 'Low': 1},
{'HH': True, 'LL': False, 'High': 30, 'Low': 1},
{'HH': True, 'LL': False, 'High': 31, 'Low': 1},
{'HH': False, 'LL': True, 'High': 100, 'Low': 40},
{'HH': False, 'LL': True, 'High': 100, 'Low': 45},
{'HH': False, 'LL': True, 'High': 100, 'Low': 42},
{'HH': False, 'LL': True, 'High': 100, 'Low': 44},
{'HH': True, 'LL': False, 'High': 50, 'Low': 1},
]
df = pd.DataFrame(mydict)
print("原始DataFrame:")
print(df)原始DataFrame:
HH LL High Low
0 True False 10 1
1 False True 100 20
2 True False 32 1
3 True False 30 1
4 True False 31 1
5 False True 100 40
6 False True 100 45
7 False True 100 42
8 False True 100 44
9 True False 50 1