在DataFrame中基于后续连续行条件查找目标列值

嘿，我明白你要做的事儿了——就是找出那些Inst值，它们之后连续5次迭代的Error都能稳稳低于2.5对吧？之前的方法没跑通，大概率是没处理好“连续后续行”的窗口方向或者边界问题，我给你整几个实用的纯pandas方案，直接能用~

先明确需求细节 #

先确认下：你要找的是当某个Inst出现后，接下来的5行（也就是5次迭代）的Error全部小于2.5，对吧？如果是包含当前Inst所在行在内的连续5行，我也会把对应的调整方法写上。

方案一：循环遍历（小数据量友好，直观好懂） #

如果你的DataFrame行数不多，用循环遍历的方法最直观，新手也容易调试：

import pandas as pd

# 先模拟你的DataFrame（你替换成自己的真实数据就行）
df = pd.DataFrame({
    'Inst': [204270, 204273, 204276, 204279, 204282, 204285, 204288, 204291, 204294, 204297, 204300, 204302, 204305, 204308, 204311],
    'Error': [3.0, 2.6, 2.4, 2.3, 2.2, 2.1, 2.0, 3.1, 2.7, 2.6, 2.5, 2.4, 2.3, 2.2, 2.1]
})

target_insts = []
for idx, row in df.iterrows():
    # 先判断当前行后面有没有足够的5行，避免索引越界
    if idx + 5 > len(df) - 1:
        continue
    # 取出当前行之后的5行的Error值
    next_5_errors = df.loc[idx+1:idx+5, 'Error']
    # 检查是否所有Error都小于2.5
    if all(next_5_errors < 2.5):
        target_insts.append(row['Inst'])

print("符合条件的Inst值：", target_insts)

如果你的需求是包含当前行在内的连续5行Error都小于2.5，只需要把代码里的idx+1:idx+5改成idx:idx+4，同时把判断条件改成idx +4 > len(df)-1就行。

方案二：向量化操作（大数据量高效） #

如果你的DataFrame行数很多，循环会变慢，这时候用pandas的向量化操作更高效，不用逐行遍历：

import pandas as pd

# 还是先模拟你的数据
df = pd.DataFrame({
    'Inst': [204270, 204273, 204276, 204279, 204282, 204285, 204288, 204291, 204294, 204297, 204300, 204302, 204305, 204308, 204311],
    'Error': [3.0, 2.6, 2.4, 2.3, 2.2, 2.1, 2.0, 3.1, 2.7, 2.6, 2.5, 2.4, 2.3, 2.2, 2.1]
})

# 生成后续1到5行的Error列，用shift(-i)获取第i行之后的Error
for i in range(1, 6):
    df[f'error_next_{i}'] = df['Error'].shift(-i)

# 检查这5列是否全部<2.5，同时确保没有NaN（也就是有足够的后续行）
df['all_next_5_ok'] = (df[[f'error_next_{i}' for i in range(1,6)]] < 2.5).all(axis=1) & ~df[[f'error_next_{i}' for i in range(1,6)]].isna().any(axis=1)

# 提取符合条件的Inst值
target_insts = df.loc[df['all_next_5_ok'], 'Inst'].tolist()

# 可以删掉临时生成的列，保持DataFrame整洁
df.drop(columns=[f'error_next_{i}' for i in range(1,6)], inplace=True)

print("符合条件的Inst值：", target_insts)

为啥你之前的方法没成功？ #

大概率是踩了这两个坑：

• 用了pandas默认的rolling窗口，但默认的rolling是向前取窗口（包含当前行和之前的行），而你需要的是向后取窗口（当前行之后的行），方向搞反了就出不来正确结果；
• 没处理边界情况：最后4行（假设窗口是5）根本没有足够的后续行，直接判断会出现NaN或者索引越界，导致结果出错。

内容来源于stack exchange