计算一个值的出现，直到它更改为另一个值

采用：

df = df.groupby(df['values'].ne(df['values'].shift()).cumsum())['values'].value_counts()

要么：

df = df.groupby([df['values'].ne(df['values'].shift()).cumsum(), 'values']).size()

print (df)values  values1       10        22       23        23       9         34       10        45       12        1Name: values, dtype: int64

最后删除第一级：

df = df.reset_index(level=0, drop=True)print (df)values10    223    29     310    412    1dtype: int64

说明 ：

将原始列按

shift

ne

cumsum

Series

print (pd.concat([df['values'], a, b, c],       keys=('orig','shifted', 'not_equal', 'cumsum'), axis=1))    orig  shifted  not_equal  cumsum0     10      NaN       True       11     10     10.0      False       12     23     10.0       True       23     23     23.0      False       24      9     23.0       True       35      9      9.0      False       36      9      9.0      False       37     10      9.0       True       48     10     10.0      False       49     10     10.0      False       410    10     10.0      False       411    12     10.0       True       5