如何优雅地在Pandas DataFrame中更新指定事件后续行的event列值？

这里给你两种向量化的实现方法，都是Pandas风格的高效操作，避免低效的循环：

方法一：基于缺失值转换 + 向前填充 #

先把字符串格式的'NaN'转为Pandas缺失值，再通过掩码标记需要填充的区域，最后用向前填充完成赋值：

import pandas as pd
import numpy as np

# 构造原始DataFrame
event = ['NaN', 'SRNeg', 'NaN', 'NaN', 'NaN', 'NaN', 'SINeg', 'NaN', 'NaN', 'NaN']
scores = np.random.randint(100, size=(10))
TR = [1,2,3,4,5,6,7,8,9,10]
df = pd.DataFrame({'event':event, 'scores':scores, 'TR':TR})

# 1. 将字符串'NaN'转为Pandas缺失值，方便后续填充逻辑
df['event'] = df['event'].replace('NaN', pd.NA)

# 2. 创建掩码：标记目标值（SRNeg/SINeg）所在行，以及后续两行
target_mask = df['event'].isin(['SRNeg', 'SINeg'])
fill_mask = target_mask | target_mask.shift(1).fillna(False) | target_mask.shift(2).fillna(False)

# 3. 对标记区域执行向前填充，自动继承最近的目标值
df['event'] = df['event'].where(~fill_mask, df['event'].ffill())

# 4. 可选：将缺失值转回字符串'NaN'
df['event'] = df['event'].fillna('NaN')

方法二：直接操作字符串（无需转换缺失值） #

如果不想修改原始的'NaN'字符串格式，可以直接通过掩码和向前填充赋值：

import pandas as pd
import numpy as np

# 构造原始DataFrame
event = ['NaN', 'SRNeg', 'NaN', 'NaN', 'NaN', 'NaN', 'SINeg', 'NaN', 'NaN', 'NaN']
scores = np.random.randint(100, size=(10))
TR = [1,2,3,4,5,6,7,8,9,10]
df = pd.DataFrame({'event':event, 'scores':scores, 'TR':TR})

# 1. 标记目标值及后续两行的区域
target_mask = df['event'].isin(['SRNeg', 'SINeg'])
fill_mask = target_mask | target_mask.shift(1).fillna(False) | target_mask.shift(2).fillna(False)

# 2. 生成向前填充后的序列，仅对标记区域赋值
filled_event = df['event'].ffill()
df.loc[fill_mask, 'event'] = filled_event.loc[fill_mask]

原理说明 #

• 两种方法都用向量化操作，比循环遍历效率高得多，适合大数据量场景
• shift(1)和shift(2)用来定位目标值的下一行和下两行，结合fillna(False)处理边界情况（比如最后几行的shift会产生NaN，转为False避免错误）
• ffill()（向前填充）会自动取最近的非'NaN'目标值，刚好满足把后续两行替换为相同目标值的需求

内容的提问来源于stack exchange，提问作者jo_