本文详解如何使用向量化操作（而非低效循环）在 pandas 中基于「当前行某列为空」且「前一行另一列满足特定值」这两个条件，批量更新目标列，显著提升代码性能与可读性。
本文详解如何使用向量化操作（而非低效循环）在 pandas 中基于「当前行某列为空」且「前一行另一列满足特定值」这两个条件，批量更新目标列，显著提升代码性能与可读性。
在实际数据处理中，常需根据上下文逻辑动态修正缺失值——例如，当某客户记录的 type 为空，而其前一条记录的 paid 明确标记为 "N" 时，可合理推断当前客户也未付款，应将 paid 统一补全为 "N"。这种“依赖邻行状态”的更新需求，绝不可通过 Python 原生 for 循环 + iat 索引实现：不仅易出索引越界错误（如原代码中 i-1 在首行会访问末行），更严重违背 Pandas 向量化设计哲学，导致性能急剧下降。
正确的做法是使用布尔索引与位移操作（.shift()）组合构建条件掩码。以下是推荐的两种实现方式：
✅ 推荐方案一：按列名操作（清晰、健壮、易维护）
import pandas as pd
df = pd.read_excel("data/excel_file.xlsx")
# 条件1：当前行 'type' 列为空（NaN 或 None）
m1 = df['type'].isnull()
# 条件2：前一行 'paid' 列值等于 'N'
m2 = df['paid'].shift(1).eq('N') # shift(1) 表示向上移动1行，即前一行
# 同时满足两个条件的行，将 'paid' 列设为 'N'
df.loc[m1 & m2, 'paid'] = 'N'
df.to_excel("New.xlsx", index=False)
print("Data exported successfully!")✅ 推荐方案二：按位置索引操作（适用于无列名或需动态列号场景）
# 假设 type 是第3列（索引2），paid 是第4列（索引3）
m1 = df.iloc[:, 2].isnull() # 第3列（type）是否为空
m2 = df.iloc[:, 3].shift(1).eq('N') # 第4列（paid）前一行是否为'N'
df.loc[m1 & m2, df.columns[3]] = 'N' # 安全写法：用列名赋值（推荐）
# 或 df.iloc[m1 & m2, 3] = 'N' # 直接位置赋值（需确保布尔索引对齐）⚠️ 关键注意事项：
- shift(1) 的含义：df['col'].shift(1) 将该列整体下移一行，原第0行变为 NaN，第1行值来自原第0行。因此 m2 中第 i 行 True 表示原第 i-1 行满足条件。
- 空值判断务必用 .isnull()：== "" 无法识别 NaN/None；pd.isna() 或 .isnull() 才是 Pandas 标准空值检测方式。
- 避免混合索引方式：df.iloc[boolean_mask, col_idx] = value 要求 boolean_mask 长度与 DataFrame 行数一致，且逻辑对齐；推荐优先使用 df.loc[boolean_mask, 'col_name'] 提高可读性与安全性。
- 原始数据验证：运行前建议检查 df['type'].isna().sum() 和 df['paid'].value_counts(dropna=False)，确认空值分布与目标值形态（如 'N' 是否含空格或大小写不一致）。
执行后，示例数据将正确更新为：
id name type paid 0 1 Mike 1.0 None 1 2 Mary 1.0 N 2 3 John NaN N ← 已被填充 3 4 George 1.0 N
总结：Pandas 的核心优势在于向量化计算。面对“基于邻行条件更新”类任务，应主动放弃循环思维，熟练运用 shift()、isnull()、布尔索引与 loc 赋值四者组合，既保障逻辑严谨性，又获得数量级性能提升。
