如何用Pandas基于两行条件更新DataFrame的paid列值？

你的代码存在几个关键问题，导致无法正常运行：

• 列索引错误：原DataFrame只有4列（索引0到3），但你使用了df.iat[i,4]、df.iat[i,11]这类超出范围的索引，同时对type和paid列的索引定位完全错误（type是第2列，paid是第3列）。
• 空值判断错误：Excel中的空单元格读入pandas后会被识别为NaN，而非空字符串""，用== ""无法正确判断空值。
• 循环越界：当i=0时，i-1=-1会取到DataFrame的最后一行，不符合你“上一行”的逻辑，应该从第2行（索引1）开始遍历。
• 效率低下：pandas原生支持向量化操作，循环遍历行并非最优方案。

修正后的循环实现 #

如果坚持用循环，可以按以下方式修改：

import pandas as pd

# 读取Excel文件，注意保持列顺序
df = pd.read_excel(r"data/excel_file.XLS")

# 从第2行开始遍历（索引1），避免i-1越界
for i in range(1, len(df)):
    # 判断当前行type为空，且上一行paid非空（或等于"N"）
    if pd.isna(df.iat[i, 2]) and pd.notna(df.iat[i-1, 3]):
        df.iat[i, 3] = "N"

# 导出结果，设置index=False避免导出默认索引列
df.to_excel("New.xlsx", index=False)
print("Data exported successfully!")

更高效的向量化实现（推荐） #

pandas的shift()方法可以快速获取上一行的数据，结合布尔索引实现批量更新，效率远高于循环：

import pandas as pd

df = pd.read_excel(r"data/excel_file.XLS")

# 生成布尔条件：当前行type为空，且上一行paid非空
# 若需严格判断上一行paid等于"N"，可改为 df["paid"].shift(1) == "N"
condition = pd.isna(df["type"]) & pd.notna(df["paid"].shift(1))

# 批量更新符合条件的行的paid列
df.loc[condition, "paid"] = "N"

df.to_excel("New.xlsx", index=False)
print("Data exported successfully!")

代码说明 #

• df["paid"].shift(1)：将paid列整体下移一行，获取每一行的上一行paid值。
• pd.isna(df["type"])：判断type列是否为空值。
• pd.notna(df["paid"].shift(1))：判断上一行的paid是否非空。
• df.loc[condition, "paid"] = "N"：对符合条件的行批量设置paid值为"N"。

内容的提问来源于stack exchange，提问作者george99gr