在 not nan 和 nan 之间交换时定义一个groupchange。然后可以使用cumsum派生一个组，并使用min和max派生一个组

df['group']=(df.Name.isna() != df.Name.isna().shift(1)).cumsum()

df_agg = df.groupby('group').agg({'Name':'first','Num':['min','max']})

output = [(a,b) if a!=b else a for a,b in df_agg.loc[df_agg[('Name','first')].isna(),[('Num','min'),('Num','max')]].values]

这将在列表中产生所需的输出

[(2, 3), 5, (7, 10)]

试试这个：
这将过滤df以仅包含NaN值，并使用groupby() to对NaN和non NaN值之间的更改进行分组。最后，我们使用iloc选择Num列中的第一个和最后一个值，并使用dict.fromkeys()仅选择唯一值，并保持顺序。

(df.loc[df['Name'].isna(),'Num']
.astype('str')
.groupby(df['Name'].isna().diff().ne(0).cumsum())
.agg(lambda x: ','.join(list(dict.fromkeys(x.iloc[[0,-1]])))))

输出：

Name
2     2,3
4       5
6    7,10