Python 3.7中如何将pandas DataFrame行内容转为指定列的值？

完全可以通过传入指定值列表的方式实现需求，核心逻辑为标记匹配指定类型的行，通过shift方法获取下一行内容完成赋值，具体实现步骤如下：

1. 定义目标匹配列表 #

先把你给出的item_type取值存入列表，可选对内容做标准化处理避免换行、空格差异导致匹配失败：

import pandas as pd

# 你的指定item_type取值列表
target_type_list = [
    "Call to \nOrder \n",
    "Closed \nSession \n",
    "Call to \nOrder",
    "Report of \nClosed \nSession \n",
    "Approval \n of \nMinutes"
]

# 可选标准化方案：统一去除首尾空白、把多个连续空白替换为单个空格，避免格式差异导致匹配失效
# df['standard_content'] = df['meet_mins_content'].str.strip().str.replace('\s+', ' ', regex=True)
# 同时对target_type_list做同样标准化处理即可

2. 匹配行标记与字段赋值 #

# 生成匹配掩码：判断当前行meet_mins_content是否在目标列表中
match_mask = df['meet_mins_content'].isin(target_type_list)

# 给匹配行的item_type赋值
df.loc[match_mask, 'item_type'] = df.loc[match_mask, 'meet_mins_content']

# 给匹配行的item_content赋值为下一行的meet_mins_content，shift(-1)表示把列内容上移一位，即取当前行的下一行值
df.loc[match_mask, 'item_content'] = df['meet_mins_content'].shift(-1).loc[match_mask]

3. 提取有效结果（可选） #

如果需要直接得到仅保留类型+内容的结构化结果，过滤空值即可：

# 过滤掉item_type为空的无效行，删除不需要的列
final_df = df[df['item_type'].notna()].drop(columns=['meet_mins_content']).reset_index(drop=True)

注意事项 #

• 若DataFrame最后一行为匹配的类型行，shift(-1)取不到下一行值，item_content会为NaN，可根据业务需求提前做边界处理
• 若存在连续多行均匹配类型列表的情况，前一行的item_content会取到下一行的类型值，不符合预期的话可增加相邻行校验逻辑处理

内容的提问来源于stack exchange，提问作者Igor G