如何实现含任意数量val列的表格行镜像转换（忽略Null值）

要实现你需要的转换——将每行最后一个非Null的Val列值作为新行的第一个Val，后续依次往前填充非空值，剩余位置补Null/空——用Python的pandas库是最灵活高效的方案，完全适配任意数量的Val列。

核心思路 #

对于每一行：

• 提取所有非空的Val值
• 将这些值倒序排列
• 把倒序后的序列填充到新的Val列中，长度和原Val列数一致，多余的位置用Null（或空字符串）补充

代码实现 #

首先准备你的示例数据，然后执行转换：

import pandas as pd
import numpy as np

# 加载示例数据
data = {
    'id': [1, 2, 3, 4],
    'val1': ['abc', 'hdi', 'kkk', 'klm'],
    'val2': ['efg', 'iijk', 'iikl', np.nan],
    'val3': ['hij', 'klm', np.nan, np.nan],
    'val4': ['klm', np.nan, np.nan, np.nan],
    'val5': ['npo', np.nan, np.nan, np.nan],
    'val6': ['qrs', np.nan, np.nan, np.nan],
    'val7': ['tuv', np.nan, np.nan, np.nan],
    'val8': ['wxy', np.nan, np.nan, np.nan]
}

df = pd.DataFrame(data)

# 自动识别所有以val开头的列
val_cols = [col for col in df.columns if col.startswith('val')]
num_val_cols = len(val_cols)

# 定义每行的转换函数
def reverse_non_null(row):
    # 提取非空的val值，倒序
    non_null_vals = row[val_cols].dropna().tolist()[::-1]
    # 填充到对应长度，不足的补NaN（如果要空字符串就换成''）
    padded_vals = non_null_vals + [np.nan] * (num_val_cols - len(non_null_vals))
    # 返回新的行数据
    return pd.Series(padded_vals, index=val_cols)

# 应用函数到每一行，合并id列
result_df = pd.concat([df['id'], df.apply(reverse_non_null, axis=1)], axis=1)

# 如果需要把NaN替换为空字符串（匹配你示例中id4的val2）
result_df = result_df.fillna('')

# 打印结果
print(result_df)

输出结果 #

运行后会得到和你期望完全一致的表格：

关键细节说明 #

• 自动适配Val列数量：代码通过col.startswith('val')自动识别所有Val列，不管你有多少个都能处理
• 灵活处理空值：如果需要保留null而不是空字符串，去掉最后一行的fillna('')即可
• 高效处理大数据：pandas的apply函数在处理大规模表格时比循环更高效，也可以用向量化操作进一步优化（如果数据量极大）

内容的提问来源于stack exchange，提问作者Shivu