连续块识别需用(df['col'] != df['col'].shift()).cumsum()构造辅助列，而非普通groupby；多列联合时用(df[['a','b']] != df[['a','b']].shift()).any(axis=1).cumsum()；itertools.groupby仅适用于小数据或复杂逻辑。
用 df.groupby() 配合 shift() 识别连续相同值
直接用 groupby() 默认行为无法区分「连续相同」和「非连续相同」——它会把所有同值行归为一组。真正要标记的是「连续块」，比如 [1,1,1,2,2,1] 中有三个块：1（前3个）、2（中间2个）、1（最后1个）。核心思路是：构造一个辅助列，每次值变化时加1。
最稳妥的做法是用 shift() 比较当前行与上一行：
df['block_id'] = (df['col'] != df['col'].shift()).cumsum()
这行代码含义：当 col 值不同于上一行时返回 True（即1），然后累加，自然形成每个连续块唯一递增编号。
-
df['col'].shift()默认上移一行，首行为NaN，与任何值比较都为True，所以第一块从1开始 - 如果
col是字符串或含None，!=仍安全（None != None返回False，符合预期） - 避免用
diff()处理非数值列，它对字符串会报TypeError
处理多列联合判断连续相同的情况
若需按多个字段共同决定是否“连续相同”，比如同时要求 user_id 和 status 都不变才算同一块，不能简单对每列分别 cumsum()，而应先构造组合条件：
立即学习“Python免费学习笔记（深入）”；
mask = (df[['user_id', 'status']] != df[['user_id', 'status']].shift()).any(axis=1)
再用 mask.cumsum() 得到分组ID。注意：any(axis=1) 表示只要任一列变化就标记为新块。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 别写成
(df['a'] == df['a'].shift()) & (df['b'] == df['b'].shift())—— 这样逻辑绕且易错 - 如果某列含
NaN，==比较会返回False，但!=+any()更统一 - 性能上，
shift()是向量化操作，比apply()循环快一个数量级
用 itertools.groupby() 替代（适合小数据或复杂逻辑）
当需要在分组内做定制计算（比如只保留每块首尾行），或者逻辑难以用向量化表达时，可转为 Python 原生 groupby（来自 itertools），但必须先按原顺序取值：
from itertools import groupby<br>blocks = [(k, list(g)) for k, g in groupby(df['col'])]
注意：这里 df['col'] 是 Series，groupby 按照其**迭代顺序**分组，不依赖索引，所以结果和原始行序一致。
- 不要对
df整体用groupby，否则会打乱顺序；必须传入一维序列 - 返回的
list(g)是原始值列表，不带索引；如需定位原位置，得额外保存df.index - 大数据量下比向量化慢很多，仅建议用于调试或逻辑极特殊场景
常见错误：用 factorize() 或 nunique() 替代
pd.factorize(df['col']) 返回的是「全局唯一编码」，不是连续块编号；df['col'].nunique() 只给总数。这两者完全无法解决连续性问题。
典型误用现象：
- 发现分组ID跳跃（比如 1→3→5），其实是不同值的编码，不是块序号
- 用
rank(method='dense')，结果仍是按值大小排序的编号，和连续无关 - 试图用
diff().fillna(0).ne(0).cumsum()处理字符串列——会失败，因为diff()不支持非数值
连续块标记的本质是「状态变化检测」，不是「去重」或「排序」，这点容易混淆。
