import numpy as np
import pandas as pd

df = pd.DataFrame({'a': ['NAN', 'NAN', 'NAN', 'NAN', 'NAN', 'NAN', 'NAN', 'NAN', 'NAN', 'NAN'],
 'b': ['BABA UN EQUITY', '2018', '2017', '2016', 'NAN', '700 HK EQUITY', '2018', '2017', '2016', 'NAN']})

# Make sure that all NaN values are `np.nan` not `'NAN'` (strings)
df = df.replace('NAN', np.nan)
mask = df['b'].str.contains(r'EQUITY', na=True)
df.loc[mask, 'a'] = df['b']
df['a'] = df['a'].ffill()
df.loc[mask, 'a'] = np.nan

收益率

a               b
0             NaN  BABA UN EQUITY
1  BABA UN EQUITY            2018
2  BABA UN EQUITY            2017
3  BABA UN EQUITY            2016
4             NaN             NaN
5             NaN   700 HK EQUITY
6   700 HK EQUITY            2018
7   700 HK EQUITY            2017
8   700 HK EQUITY            2016
9             NaN             NaN

上面有一个有点棘手的地方是mask是如何定义的。请注意，str.contains返回一个Series，它不仅包含True和False的值，还包含NaN：

In [114]: df['b'].str.contains(r'EQUITY')
Out[114]: 
0     True
1    False
2    False
3    False
4      NaN
5     True
6    False
7    False
8    False
9      NaN
Name: b, dtype: object

str.contains(..., na=True)用于使NaN s被视为True：

In [116]: df['b'].str.contains(r'EQUITY', na=True)
Out[116]: 
0     True
1    False
2    False
3    False
4     True
5     True
6    False
7    False
8    False
9     True
Name: b, dtype: bool

有了mask之后，想法很简单：将b中的值复制到a中，只要mask为True：

df.loc[mask, 'a'] = df['b']

向前填充a中的NaN值：

df['a'] = df['a'].ffill()

将a中的值替换为NaN，只要mask为True：

df.loc[mask, 'a'] = np.nan

1.列表解析比str.contains快

即使它们是向量化的，Pandas字符串方法也没有优化，所以回退到Python循环通常要快得多，即使是大型 Dataframe 。
例如，以下两个是等价的（然而，无论列的长度如何，列表解析都快了大约3倍）：

msk1 = df['b'].str.contains(r'EQUITY', na=True)

msk = [s != s or 'EQUITY' in s for s in df['b'].tolist()]

all(msk == msk1)   # True

也就是说，str.contains（可以说）可读性要好得多;此外，这两个版本都执行得非常快，并且不太可能成为代码性能的瓶颈。

2.多字符串使用"|".join

要检查某列的行中是否存在字符串列表中的任何字符串，请使用|分隔符将它们连接起来，并调用str.contains：

lst = ['EQUITY', '16', '19', '20']
msk = df['b'].str.contains(r'|'.join(lst), na=True)

3.可以使用where()和mask()进行过滤

通过使用布尔掩码msk来屏蔽列b中的某些值，可以达到最终期望的输出。然后使用ffill()传播值;最后，使用mask()删除条件为True的值。

msk = df['b'].str.contains(r'EQUITY', na=True)
df['a'] = df['b'].where(msk).ffill().mask(msk)