本文介绍如何利用某一列（如 column3）的非缺失值作为“起止标记”，自动识别并提取连续的行段，过滤掉全空行，实现结构化子集分割。
本文介绍如何利用某一列（如 column3）的非缺失值作为“起止标记”，自动识别并提取连续的行段，过滤掉全空行，实现结构化子集分割。
在数据分析中，常遇到一类特殊场景：某列虽不直接参与计算，但其非空值起到逻辑分隔作用——例如日志中的事件起始/结束标记、实验记录中的阶段标识等。Pandas 本身不提供原生“按标记列切片”的方法，但可通过索引操作高效实现。
核心思路是：提取目标列（column3）所有非空值的行索引 → 成对组合为 [start, stop] 区间 → 使用 .loc 截取对应行段。注意：此处 stop 是包含端点的（因 .loc 为闭区间），且默认按成对顺序将第1、3、5…个非空位置视为起点，第2、4、6…个视为终点。
以下为完整可运行示例：
import pandas as pd
import numpy as np
# 构造示例数据
column1 = [None, None, None, 4, 8, 9, None, None, None, 2, 3, 5, None]
column2 = [None, None, None, None, 5, 1, None, None, 6, 3, 3, None, None]
column3 = [None, None, None, 3, None, 7, None, None, 7, None, None, 1, None]
df = pd.DataFrame(
np.column_stack([column1, column2, column3]),
columns=['column1', 'column2', 'column3']
)
# 步骤1：获取 column3 中非空值的原始索引（保持 DataFrame 行序）
non_na_indices = df['column3'].dropna().index
# 步骤2：两两配对：[0,2], [2,4], ... → 起始索引取偶数位，终止索引取奇数位
start_indices = non_na_indices[::2]
end_indices = non_na_indices[1::2]
# 步骤3：遍历每对区间，提取子 DataFrame（含起止行）
subsets = []
for start, end in zip(start_indices, end_indices):
subset = df.loc[start:end].reset_index(drop=True)
subsets.append(subset)
# 输出结果
print("Subset 1:")
print(subsets[0])
print("\nSubset 2:")
print(subsets[1])
✅ 输出与预期一致：
Subset 1: column1 column2 column3 0 4.0 NaN 3.0 1 8.0 5.0 NaN 2 9.0 1.0 7.0 Subset 2: column1 column2 column3 0 NaN 6.0 7.0 1 2.0 3.0 NaN 2 3.0 3.0 NaN 3 5.0 NaN 1.0
⚠️ 注意事项：
- 若 column3 中非空值个数为奇数，x[1::2] 将自动截断末尾单个索引（即忽略未配对的“孤立标记”），这是安全默认行为；
- .loc[start:end] 包含两端，若需左闭右开，改用 .iloc[df.index.get_loc(start):df.index.get_loc(end)+1]；
- 若原始索引不连续（如经筛选后），务必使用 .index 获取真实标签，而非整数位置；
- 如需保留原始索引，去掉 .reset_index(drop=True) 即可。
该方法简洁、向量化程度高，适用于中等规模数据；对于超大规模或复杂嵌套标记逻辑，可进一步结合 pd.Series.cumsum() 或自定义状态机优化。
