如何筛选DataFrame中指定列值为'13'的行及其前一行且避免重复

我来帮你搞定这个DataFrame子集化的需求，用pandas可以很清晰地实现。核心思路是先定位所有time列等于13的行的索引，再把这些行的前一行索引也纳入范围，最后通过集合自动去重，确保没有重复行，同时保持原数据的顺序。

步骤1：构造示例DataFrame #

首先我们先把你给出的示例数据转换成pandas DataFrame：

import pandas as pd

# 示例原始数据
data = {
    'ID': ['A', 'B', 'C', 'C', 'A', 'D', 'E'],
    'speed': [4, 7, 7, 8, 5, 6, 7],
    'dist': [12, 10, 18, 4, 6, 2, 2],
    'time': [4, 8, 13, 5, 13, 13, 9]
}

df = pd.DataFrame(data)

步骤2：定位目标索引并收集需保留的行 #

接下来我们找到所有time=13的行的索引，然后把这些索引和它们的前一行索引（如果存在的话）加入集合（集合会自动帮我们去重）：

# 找到所有time等于13的行的索引
target_indices = df[df['time'] == 13].index

# 用集合来收集需要保留的索引，自动去重
selected_indices = set()
for idx in target_indices:
    # 加入目标行本身
    selected_indices.add(idx)
    # 如果不是第一行，加入前一行索引
    if idx > 0:
        selected_indices.add(idx - 1)

# 把集合转换成排序后的列表，保证原DataFrame的行顺序
selected_indices = sorted(selected_indices)

步骤3：提取最终结果 #

最后用loc方法提取这些索引对应的行：

result_df = df.loc[selected_indices]
print(result_df)

输出结果 #

运行后得到的结果正好符合你的预期：

ID  speed  dist  time
1  B      7    10     8
2  C      7    18    13
3  C      8     4     5
4  A      5     6    13
5  D      6     2    13

边界情况说明 #

• 如果第一行就是time=13，代码会自动跳过前一行（因为idx>0的判断），不会报错；
• 如果连续多行都是time=13，比如索引2和3都是13，集合会自动去重，不会重复包含索引2，确保每一行只出现一次。

内容的提问来源于stack exchange，提问作者Beardedant