如何在Pandas中获取DataFrame.loc匹配行的前一行数据？

现有如下结构的Pandas DataFrame：

A  B  C  D
0  1  2  3
1  2  6  5
2  5  9  8
3  5  7  9

需要新增match列，在满足条件(B > 4) & (C > 8)的行中，填入该行前一行的A值，而非该行自身的A值。

当前执行代码：

dataframe["match"] = dataframe.loc[(dataframe["B"] > 4) & (dataframe["C"] > 8), ["A"]]

得到的结果是：

A  B  C  D  match
0  1  2  3  NaN
1  2  6  5  NaN
2  5  9  8  2
3  5  7  9  NaN

期望的结果是：

A  B  C  D  match
0  1  2  3  NaN
1  2  6  5  NaN
2  5  9  8  1
3  5  7  9  NaN

可以通过以下两种简洁方式实现需求：

方法一：利用shift()获取前一行数据（推荐） #

shift(1)会将A列整体下移一位，每一行的值变为上一行的A值，第一行则为NaN。之后通过条件筛选目标行，直接赋值即可：

import pandas as pd

# 初始化match列为空值
dataframe["match"] = pd.NA
# 生成前一行的A值序列
prev_a = dataframe["A"].shift(1)
# 定义筛选条件
condition = (dataframe["B"] > 4) & (dataframe["C"] > 8)
# 给符合条件的行赋值前一行的A值
dataframe.loc[condition, "match"] = prev_a[condition]

方法二：通过索引偏移直接取值 #

先定位符合条件的行索引，再通过索引减1获取前一行的A值，逐个赋值：

import pandas as pd

dataframe["match"] = pd.NA
condition = (dataframe["B"] > 4) & (dataframe["C"] > 8)
# 获取所有符合条件的行索引
target_indices = dataframe[condition].index

for idx in target_indices:
    if idx > 0:  # 跳过第一行（无前置行）
        dataframe.loc[idx, "match"] = dataframe.loc[idx-1, "A"]

两种方法都能得到预期结果，其中方法一无需循环，处理大数据集时效率更高。

内容的提问来源于stack exchange，提问作者riogezz