如何将pd.DataFrame中的单个值移动到同一行的另一列？

嘿，这个问题很常见——处理DataFrame里的错位数据其实挺直接的，分两种情况给你解决方案：

1. 针对单个已知错位行的精准操作 #

如果你已经明确知道错位发生在第1行（注意：Python是0起始索引，对应代码里的索引1），直接用loc定位行和列来赋值就行：

首先先还原你的原始DataFrame：

import pandas as pd

df_ABCACA = pd.DataFrame({
    'Date': ['2020-10-01', 'Z', '2021-01-01', '2021-10-01'],
    'ID': [101, '2020-01-01', 102, 102],
    'number': [10, 10, 11, 11]
})

然后执行移动操作：

# 把ID列索引1的值移到同一行的Date列
df_ABCACA.loc[1, 'Date'] = df_ABCACA.loc[1, 'ID']
# 之后可以把ID列的这个位置设为缺失值（或者根据你的业务逻辑填充合适的ID，比如上一行的101）
df_ABCACA.loc[1, 'ID'] = pd.NA

处理后你的DataFrame会变成这样：

最后别忘了把Date列转成标准的日期类型：

df_ABCACA['Date'] = pd.to_datetime(df_ABCACA['Date'])

2. 批量处理所有类似错位的情况 #

如果你的DataFrame里有多个这样的错位行（比如Date列是无效值，而ID列存了正确的日期），可以用条件掩码来批量处理：

# 定义一个函数判断字符串是否是有效日期
def is_valid_date(s):
    try:
        pd.to_datetime(s)
        return True
    except (ValueError, TypeError):
        return False

# 筛选出Date无效但ID是有效日期的行
mask = ~df_ABCACA['Date'].apply(is_valid_date) & df_ABCACA['ID'].apply(is_valid_date)

# 批量移动值
df_ABCACA.loc[mask, 'Date'] = df_ABCACA.loc[mask, 'ID']
df_ABCACA.loc[mask, 'ID'] = pd.NA  # 同样，这里可以根据业务逻辑替换成合适的ID值

这种方法会自动处理所有符合条件的错位行，不用手动一个个找索引~

内容的提问来源于stack exchange，提问作者Rocco