在Pandas中通过循环为指定行添加标签列的技术问题

需求 #

给DataFrame新增label列：只要某行的failure值为1，就将该行、它的前2行、后1行都打上同一个标签。

你尝试的代码 #

df_new = pd.DataFrame()

for i in range(0, len(df)):
    if df.iloc[i]['failure'] == 1:
        n += 1
        df_new = df_new.append(df.iloc[i-2:i+2])
        df_new = df_new.append({'label': n}, ignore_index=True)

当前错误结果 #

期望正确结果 #

问题根源 #

你原来的代码有两个核心问题：

1. 用append循环拼接DataFrame效率低，且单独追加仅含label的行，导致出现全NaN的无效记录；
2. 没有直接为选中的行赋值标签，而是把行数据和标签分开追加，无法将标签对应到正确的行上。

正确实现方法 #

方法1：基础循环赋值（易理解） #

直接在原DataFrame上操作，定位每个故障行的前后范围并赋值：

import pandas as pd

# 初始化label列为空值
df['label'] = pd.NA
label_num = 0

# 遍历所有failure=1的行索引
for idx in df[df['failure'] == 1].index:
    label_num += 1
    # 处理边界：避免索引越界，比如第一行前面无数据则从0开始
    start_idx = max(0, idx - 2)
    end_idx = min(len(df)-1, idx + 1)
    # 给范围内的所有行赋值当前标签
    df.loc[start_idx:end_idx, 'label'] = label_num

方法2：向量化操作（适合大数据集） #

如果数据量较大，用掩码标记需打标签的行再批量赋值，效率更高：

import pandas as pd

# 创建全False的掩码，标记需要打标签的行
mask = pd.Series(False, index=df.index)
for idx in df[df['failure'] == 1].index:
    start = max(0, idx - 2)
    end = min(len(df)-1, idx + 1)
    mask.loc[start:end] = True

# 为掩码覆盖的行分配递增标签
df['label'] = pd.NA
current_label = 0
in_label_range = False

for i in range(len(df)):
    if mask[i] and not in_label_range:
        current_label += 1
    if mask[i]:
        df.loc[i, 'label'] = current_label
    in_label_range = mask[i]

补充说明 #

• 两种方法都会自动处理边界情况：比如故障行是第0行时，仅标记本行和后1行；故障行是最后一行时，仅标记前2行和本行；
• 若存在多个不重叠的故障区域，每个区域会获得递增的标签值（第一个区域标签为1，第二个为2，以此类推）。

内容的提问来源于stack exchange，提问作者Control Solution