按Datetime Index筛选行：选取Val_2为1的行的下一行

嘿，咱们一步步来搞定这个需求！首先明确你的目标：找到所有Val_2等于1的行的下一行，比如你示例里1995-01-13这行Val_2为1，对应的下一行就是1995-01-16那行对吧？

先给你展示下示例DataFrame的构造代码，方便后续测试：

import pandas as pd

# 构造你提供的示例DataFrame
data = {
    'Val_1': [461.66, 461.64, 465.97, 469.38, 470.05, 469.72, 466.95],
    'Val_2': [0.0, 0.0, 1.0, 1.0, 1.0, 1.0, 1.0]
}
index = pd.DatetimeIndex(['1995-01-11', '1995-01-12', '1995-01-13', '1995-01-16', '1995-01-17', '1995-01-18', '1995-01-19'])
df = pd.DataFrame(data, index=index)

方法一：矢量化操作（推荐，效率更高） #

Pandas的核心优势就是矢量化操作，比循环遍历快得多，尤其是数据量较大的时候。具体步骤如下：

1. 先筛选出Val_2 == 1的行
2. 获取这些行在DataFrame中的位置，再计算下一行的位置
3. 过滤掉超出DataFrame长度的位置（避免最后一行无下一行的情况）

代码实现：

# 生成Val_2等于1的布尔掩码
mask = df['Val_2'] == 1
# 获取符合条件的行的索引位置
target_positions = df.index.get_indexer(df[mask].index)
# 计算下一行的位置，同时确保不越界
next_positions = target_positions + 1
next_positions = next_positions[next_positions < len(df)]
# 提取对应的下一行数据
next_rows = df.iloc[next_positions]

# 输出结果
print(next_rows)

运行后会得到：

Val_1  Val_2
1995-01-16  469.38    1.0
1995-01-17  470.05    1.0
1995-01-18  469.72    1.0
1995-01-19  466.95    1.0

方法二：完善你的循环遍历代码 #

如果一定要用iterrows()遍历，需要注意通过索引位置来定位下一行（因为你的索引是Datetime类型，不是连续整数，不能直接用索引值加1），还要注意判断是否为最后一行，避免索引越界：

col_name = 'Val_2'
for index, row in df.iterrows():
    if row[col_name] == 1:
        # 获取当前行在DataFrame中的位置
        current_pos = df.index.get_loc(index)
        # 判断当前行不是最后一行，避免越界
        if current_pos < len(df) - 1:
            # 选取下一行
            next_row = df.iloc[current_pos + 1]
            # 在这里执行你需要的操作，比如打印或者处理数据
            print("找到目标下一行：")
            print(next_row)
    else:
        # 如果Val_2不等于1，这里可以添加你需要的逻辑，比如跳过或其他处理
        pass

小提示 #

• 优先使用方法一的矢量化操作，iterrows()在数据量大时效率极低，矢量化操作是Pandas的最佳实践
• 记得处理边界情况：如果最后一行的Val_2等于1，它没有下一行，所以要过滤掉这种情况，避免报错

内容的提问来源于stack exchange，提问作者krakowi