在从等于目标（'fail'）派生的布尔级数上使用居中的rolling和，并执行布尔索引：

df[df['result'].eq('fail').rolling(3, center=True, min_periods=1).max().eq(1)]

• 注意。这样可以轻松选择下方/后方的更多行。例如，要获取上方2+下方2，请使用5（一般情况下为2n+1）作为滚动窗口。

输出：

Team result
1      2   pass
2      3   fail
3      4   pass
5      6   pass
6      7   fail
7      8   pass
12    13   pass
13    14   fail
14    15   pass

shift在这里是您的朋友。如果其中一个值是fail，您必须上下移动result列，并保留该行：

x = (df['result'] == 'fail') | (df['result'].shift() == 'fail') | (
     df['result'].shift(-1) == 'fail')
print(df[x])

按预期给出：

Team result
1      2   pass
2      3   fail
3      4   pass
5      6   pass
6      7   fail
7      8   pass
12    13   pass
13    14   fail
14    15   pass

你可以在df['result'] == 'fail'的索引中加上或减去1，但是如果最后一行有fail的话，也会得到KeyError，所以我们还需要使用index.intersection来达到有效的索引：

all_indexes = np.ravel([df[df['result'] == 'fail'].index + i for i in range(-1, 2)])
valid_indexes = df.index.intersection(all_indexes)
df.loc[valid_indexes]

输出：

result
1   pass
2   fail
3   pass
5   pass
6   fail
7   pass
12  pass
13  fail
14  pass

def function1(dd:pd.DataFrame):
    if dd.iloc[1,1]=='fail':
        df1.loc[dd.index,'col1']=True
    return 0

pd.Series(df1.rolling(3,center=True)).apply(function1)
df1.loc[lambda dd:dd.col1==True,:'result']

  Team result
1      2   pass
2      3   fail
3      4   pass
5      6   pass
6      7   fail
7      8   pass
12    13   pass
13    14   fail
14    15   pass