如何在Pandas dataframe中查找子字符串的前驱与后继字符串

需求对应示例效果如下：

核心思路 #

1. 先通过字符串匹配方法，定位到包含目标子串的行在DataFrame中的位置
2. 基于匹配位置做±1的偏移，分别获取前驱（上一行）、后继（下一行）的对应字符串
3. 增加边界判断，避免匹配行在第一行/最后一行时出现索引越界错误

代码实现 #

前置准备 #

首先构造测试用DataFrame，你可以替换为自己的数据源：

import pandas as pd

# 测试用数据，可替换为实际数据
df = pd.DataFrame({
    "text_col": [
        "2023年行业报告",
        "2024年季度营收",
        "2024年中总结",
        "2024年年度规划",
        "2025年战略布局"
    ]
})
# 要查找的目标子串
target = "2024年中总结"

场景1：默认连续整数索引 #

如果你的DataFrame用的是默认生成的0开始的连续整数索引，可以直接用索引值偏移：

# 定位匹配行的索引
match_idx = df[df["text_col"].str.contains(target, na=False)].index[0]

# 取值+边界判断
prev_str = df.loc[match_idx - 1, "text_col"] if match_idx > 0 else "无可用前驱"
next_str = df.loc[match_idx + 1, "text_col"] if match_idx < len(df) - 1 else "无可用后继"

# 输出结果
print(f"匹配字符串：{df.loc[match_idx, 'text_col']}")
print(f"前驱字符串：{prev_str}")
print(f"后继字符串：{next_str}")

场景2：自定义/非连续索引 #

如果你的DataFrame用的是自定义索引，或者索引不连续，推荐用位置下标iloc取值，避免索引不连续导致的报错：

# 定位匹配行的位置下标
match_mask = df["text_col"].str.contains(target, na=False)
match_pos = df.reset_index().index[match_mask][0]

# 取值+边界判断
prev_str = df.iloc[match_pos - 1]["text_col"] if match_pos > 0 else "无可用前驱"
next_str = df.iloc[match_pos + 1]["text_col"] if match_pos < len(df) - 1 else "无可用后继"

场景3：存在多个匹配行 #

如果目标子串匹配到多行，可以遍历所有匹配结果批量输出：

match_masks = df["text_col"].str.contains(target, na=False)
match_pos_list = df.reset_index().index[match_masks]

for pos in match_pos_list:
    current = df.iloc[pos]["text_col"]
    prev = df.iloc[pos-1]["text_col"] if pos > 0 else "无可用前驱"
    next_ = df.iloc[pos+1]["text_col"] if pos < len(df) -1 else "无可用后继"
    print(f"当前匹配：{current}，前驱：{prev}，后继：{next_}")

补充说明 #

• 如果需要精确匹配完整字符串，把str.contains(target)替换为== target即可
• str.contains方法支持正则表达式匹配，需要匹配特殊字符时可以加regex=False参数关闭正则模式

内容的提问来源于stack exchange，提问作者ML_User