本文介绍如何使用 Pandas 的 shift() 和布尔索引，精准筛选出“前一行某列值为指定值”的所有当前行，适用于日志分析、状态转移检测等场景。
本文介绍如何使用 pandas 的 `shift()` 和布尔索引，精准筛选出“前一行某列值为指定值”的所有当前行，适用于日志分析、状态转移检测等场景。
在数据分析中，常需根据前一行的状态来提取当前行数据——例如：当某行为状态标记 typeId == 6（表示“操作结束”），我们希望立即捕获其后的第一行（即“后续动作”或“响应记录”）；又或者，在时序数据中识别“触发-响应”成对结构。这类需求无法通过常规条件过滤实现，而 pandas.Series.shift() 正是解决该问题的核心工具。
shift() 方法可将序列整体向下（或向上）平移指定步数，默认 periods=1 表示下移一行：原第 0 行值变为 NaN，原第 1 行值移到第 0 行位置，依此类推。因此，df['typeId'].shift() 得到的是“每一行所对应的前一行的 typeId 值”。随后用 .eq(6) 判断该前值是否等于 6，生成布尔序列，再用于布尔索引即可完成筛选。
以下为完整示例代码：
import pandas as pd
# 构造示例 DataFrame（注意：原始问题中 index 存在重复（两个 16），此处按实际顺序修正为唯一索引）
df = pd.DataFrame({
'typeId': [2, 3, 1, 1, 1, 1, 1, 3, 6, 1, 3, 6, 1, 1, 1, 1]
}, index=[1, 2, 3, 4, 5, 16, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16])
# 关键逻辑：筛选「前一行 typeId == 6」的当前行
mask = df['typeId'].shift().eq(6)
result = df[mask].copy()
print(result)输出结果：
typeId 10 1 13 1
⚠️ 注意事项：
- 索引对齐性：shift() 保持原始索引不变。若原始 DataFrame 索引不连续（如含 16 跳跃），结果中的行仍保留原始索引（如上例中 10 和 13），而非位置序号。如需按自然顺序重排索引，可追加 .reset_index(drop=True)。
- 首行处理：因第一行无“前一行”，shift() 默认填充 NaN，故 .eq(6) 结果恒为 False，首行永不被选中——这符合语义预期。
- 多行匹配扩展：若需获取“6 之后的连续 N 行”，可结合 cumsum() 与分组逻辑实现，但基础场景中 shift() + 布尔索引已足够简洁高效。
- 性能提示：该方案全程向量化，无需 for 循环或 apply()，即使处理百万级数据也保持高性能。
总结而言，df[col].shift().eq(value) 是 Pandas 中表达“当前行满足前一行条件”的标准范式，兼具可读性、健壮性与执行效率，应作为数据工程师和分析师的必备技能之一。
