python - 使用 Pandas 删除数据框中具有不同连续值的行

Question

我有以下数据框:

import pandas as pd
df = pd.DataFrame({"A":['a', 's', 'd', 'f', 'g', 'h', 'j', 'k', 'l'], "M":[11,4,9,2,2,5,5,6,6]})

我的目标是删除 M 列的 2 个连续值彼此不相等的所有行。

因此，应删除第 0、1 和 2 行，因为 M 的值为:11!=4、4!=9 和 9!=2)。但是，如果 2 行具有相同的连续值，则必须保留:必须保留第 3 行和第 4 行，因为它们都具有值 2。对于具有值 5 的第 5 行和第 6 行的相同推理。

我能够通过使用以下代码行实现我的目标:

l=[]
for i, row in df.iterrows():
    try:
        if df["M"].iloc[i]!=df["M"].iloc[i+1] and df["M"].iloc[i]!=df["M"].iloc[i-1]:
            l.append(i)
    except:
        pass
df = df.drop(df.index[l]).reset_index(drop=True)

你能建议一种更聪明、更好的方法来实现我的目标吗？也许通过使用一些内置的 pandas 函数？

数据框应该是这样的:

Before: 
   A   M
0  a  11 <----Must be removed
1  s   4 <----Must be removed
2  d   9 <----Must be removed
3  f   2
4  g   2
5  h   5
6  j   5
7  k   6
8  l   6

After
   A  M
0  f  2
1  g  2
2  h  5
3  j  5
4  k  6
5  l  6

Answer 1

使用boolean indexing使用由 shift 创建的 mask :

m = (df["M"].eq(df["M"].shift()) | df["M"].eq(df["M"].shift(-1)))
#alternative
#m = ~(df["M"].ne(df["M"].shift()) &  df["M"].ne(df["M"].shift(-1)))
print (df[m])
   A  M
3  f  2
4  g  2
5  h  5
6  j  5
7  k  6
8  l  6