Pandas 根据索引对相等的连续列值进行分组

Question

拥有这样的数据集：

索引	角色	姓名	等级
1	提供商	亚历克斯	7
2	提供商	威廉	7.5
7	提供商	胡安	5.5
15	提供商	佩德罗	4.5
25	客户	乔治	8
26	提供商	马克	9.4
37	客户	詹姆斯	8.1
39	运输机	安东尼	9.5
50	运输车	杰森	7

我正在尝试使用相同的 Role 值对连续行进行分组。我可以通过使用以下句子来实现这一点：

df = df.groupby((df.Role!= df.Role.shift()).cumsum()).agg(
            Role = ('Role', 'first'),
            Name = ('Name', ' '.join), 
            Grade = ('Grade', 'mean')
        ).reset_index(drop=True)

这将使数据框看起来像这样：

索引	角色	姓名	等级
1	提供商	亚历克斯·威廉·胡安·佩德罗	6.125
2	客户	乔治	8
3	提供商	马克	9.4
4	客户	詹姆斯	8.1
5	运输车	安东尼·杰森	8.25

现在我想添加一条新规则。我只想在数据帧索引与上一行最多相差 5 个单位时进行分组：

索引	角色	姓名	等级
1	提供商	亚历克斯·威廉·胡安	6.67
2	提供商	佩德罗	4.5
3	客户	乔治	8
4	提供商	马克	9.4
5	客户	詹姆斯	8.1
6	运输机	安东尼	9.5
7	运输机	杰森	7

我怎样才能实现这个目标？另外如果有更高效的分组方法也欢迎。

Answer 1

您可以构建两个掩码，一个用于识别角色变化，另一个用于识别高于阈值的索引差异：

m1 = df.Role!= df.Role.shift()
m2 = df['Index'].diff().gt(5)

out = df.groupby((m1|m2).cumsum()).agg(
            Role = ('Role', 'first'),
            Name = ('Name', ' '.join), 
            Grade = ('Grade', 'mean')
        ).reset_index(drop=True)

输出：

          Role               Name     Grade
0     Provider  Alex William Juan  6.666667
1     Provider              Pedro  4.500000
2       Client             George  8.000000
3     Provider               Mark  9.400000
4       Client              James  8.100000
5  Transporter            Anthony  9.500000
6  Transporter              Jason  7.000000