本文介绍一种基于 shift() 的高效方法，用于识别并清除 dataframe 中前后相邻行均为 nan 的“孤立非空值”，适用于数据清洗中常见的噪声点剔除场景。
本文介绍一种基于 shift() 的高效方法，用于识别并清除 dataframe 中前后相邻行均为 nan 的“孤立非空值”，适用于数据清洗中常见的噪声点剔除场景。
在时间序列或结构化表格数据中，偶尔会出现个别“突兀”的有效值——它本身非空，但其上一行和下一行在该列中均为缺失值（NaN）。这类值常被视为噪声或采集异常，需被置为 None（即 np.nan）以提升数据一致性。Pandas 本身不提供直接的“孤立值检测”函数，但借助 shift() 方法可简洁、向量化地实现该逻辑。
核心思路：利用偏移比较上下文
判断某单元格是否为孤立值，关键在于检查其前一行（shift(1)）与后一行（shift(-1)）是否同时为 NaN。若成立，则当前值即为孤立值，应被替换。
以下为完整实现流程（以列 'A' 为例，可同理扩展至其他列）：
import pandas as pd
import numpy as np
# 构造示例数据（注意：None 在 pandas 中自动转为 np.nan）
df = pd.DataFrame({
"A": [None, 1, None, 1, 1, 1, 1],
"B": [1, 1, None, 1, None, 1, 1]
})
# 步骤 1：生成前一行与后一行的值（按列操作）
df["A_prev"] = df["A"].shift(1) # 上一行值；首行变为 NaN
df["A_next"] = df["A"].shift(-1) # 下一行值；末行变为 NaN
# 步骤 2：定位孤立值：当前非空 & 前为空 & 后为空
# 注意：使用 .notna() 判断“当前有值”，避免将原本就是 NaN 的行误判
mask_isolated = df["A"].notna() & df["A_prev"].isna() & df["A_next"].isna()
# 步骤 3：原地置空孤立值（推荐直接修改原列）
df.loc[mask_isolated, "A"] = np.nan
# 清理辅助列（可选）
df = df.drop(columns=["A_prev", "A_next"])
print(df)输出结果：
A B 0 NaN 1.0 1 NaN 1.0 2 NaN NaN 3 1.0 1.0 4 1.0 NaN 5 1.0 1.0 6 1.0 1.0
✅ 对比原始数据可见：第 1 行（索引 1）的 A=1 被成功清除——因其前（索引 0）为 NaN、后（索引 2）也为 NaN，构成孤立值；而索引 3 的 A=1 未被清除，因其后（索引 4）为 1，不满足“前后均空”条件。
批量处理多列（推荐封装函数）
为提升复用性，可封装为通用函数，支持对指定列批量处理：
def remove_isolated_values(df: pd.DataFrame, columns: list) -> pd.DataFrame:
"""
移除指定列中前后相邻行均为 NaN 的孤立非空值（原地修改）。
Parameters:
-----------
df : pd.DataFrame
输入 DataFrame
columns : list of str
需处理的列名列表
Returns:
--------
pd.DataFrame : 修改后的 DataFrame（返回引用，原 df 已变更）
"""
for col in columns:
if col not in df.columns:
continue
prev = df[col].shift(1)
nxt = df[col].shift(-1)
mask = df[col].notna() & prev.isna() & nxt.isna()
df.loc[mask, col] = np.nan
return df
# 使用示例：同时清理列 A 和 B
remove_isolated_values(df, columns=["A", "B"])注意事项与边界说明
- 首尾行天然不可孤立：由于首行无“前一行”、末行无“后一行”，它们的 shift() 结果恒为 NaN，因此需依赖 df[col].notna() 确保只处理当前有值的行，避免误清；
- 缺失值类型统一：确保数据中缺失值为标准 np.nan（而非字符串 "None" 或空字符串 ""），否则 isna() 判断失效；
- 性能优势：全程使用向量化操作，避免 apply() 或循环，适合大规模数据；
- 扩展性：如需定义“近邻窗口”（如前后 2 行全空才视为孤立），可用 rolling().apply() 替代，但需权衡可读性与性能。
掌握此技巧，你便拥有了一个轻量、可靠的数据“去毛刺”工具，让清洗逻辑更精准、代码更健壮。
