如何将Netstat数据DataFrame中空值行内容移至前一行新增列？

解决方案代码 #

假设你使用pandas处理数据，以下是高效处理大量Netstat数据的方法：

import pandas as pd
import numpy as np

# 模拟你的原始Netstat DataFrame（替换成你实际的数据）
data = {
    'Proto': ['TCP', 'chrome.exe', 'TCP', 'firefox.exe', 'UDP', 'svchost.exe'],
    'Local Address': ['127.0.0.1:80', np.nan, '192.168.1.2:443', np.nan, '0.0.0.0:53', np.nan],
    'Foreign Address': ['0.0.0.0:0', np.nan, '8.8.8.8:443', np.nan, '*:*', np.nan],
    'State': ['LISTEN', np.nan, 'ESTABLISHED', np.nan, np.nan, np.nan]
}
df = pd.DataFrame(data)

# 1. 标记仅第一列有值、其余列全空的行（进程名行）
process_rows = df.iloc[:, 1:].isna().all(axis=1)

# 2. 新增Process_name列，将进程名行的内容移到前一行
df['Process_name'] = df['Proto'].where(process_rows).shift(-1)

# 3. 过滤掉无用的进程名行，重置索引
df_clean = df[~process_rows].reset_index(drop=True)

代码解释 #

1. 标记进程名行：df.iloc[:,1:].isna().all(axis=1)检查除第一列外的所有列是否全为空，返回布尔值Series，精准标记出仅存进程名的行。
2. 转移进程名：df['Proto'].where(process_rows)只保留进程名行的Proto值，其余位置设为NaN；shift(-1)将这些进程名向上移动一行，直接对应到前面的有效Netstat数据行。
3. 清理数据：通过~process_rows过滤掉无用的进程名行，reset_index重置索引保证数据结构整齐，最终得到每行包含完整Netstat数据+对应进程名的结构。

边界情况处理 #

• 如果第一行就是无对应数据的进程名行，代码会自动忽略该行（过滤后不会保留无效数据）。
• 若存在连续多个进程名行，代码会将最后一个进程名对应到前面的有效行（规范数据结构下不会出现此情况）。

内容的提问来源于stack exchange，提问作者Zarif Rahman