我具有以下数据结构：
|a |b |start_time |end_time
0 |aaba |d |11:26 | 11:27
1 |aba |c |11:27 | 11:32
2 |aba |c |11:32 | 11:34
3 |cab |ab |11:34 | 11:35
4 |aba |c |11:35 | 11:40
我想合并列a和b上重复的连续行，然后将新行的start_time和end_time更新为较早的分别是两个和第二个中的一个。
因为条目是连续的，所以这意味着保留第一行的start_time和第二行的end_time。通常有两个重复的副本。
因此，在上述情况下，我想合并1和2行，最后得到：
|a |b |start_time |end_time
0 |aaba |d |11:26 | 11:27
1 |aba |c |11:27 | 11:34
2 |cab |ab |11:34 | 11:35
3 |aba |c |11:35 | 11:40
我尝试使用loc，并在第一次运行时更新了end_time列，第二次删除了重复项，但是两次运行loc似乎很浪费：
df.loc[(df['a']+df['b']) == (df['a']+df['b']).shift(-1), 'end_time'] = df['end_time'].shift(-1)
df = df.loc[(df['a']+df['b']) != (df['a']+df['b']).shift(-1)]
是否有一种方法可以删除重复项并仅通过一次迭代来更新end_time值？
答案 0 :(得分：0)
在groupby上进行a，b和b在连续as_index=False上进行groupID。每个组agg最低start_time，最高end_time
df.groupby(['a','b', df.b.ne(df.b.shift()).cumsum()], as_index=False).agg({'start_time': 'min', 'end_time': 'max'})
Out[1649]:
a b start_time end_time
0 aaba d 11:26 11:27
1 aba c 11:27 11:34
2 aba c 11:35 11:40
3 cab ab 11:34 11:35