如何用Python/Pandas将行中实体右移至末尾（适配可变Date列）

现有如下DataFrame（Date列数量可变）：

Customer Date1 Date2 Date3 Date4
0 A 10 40.0 NaN 60.0
1 B 20 50.0 NaN NaN
2 C 30 NaN NaN NaN

要求：若最后一列存在NaN，将该行的所有有效数据右移至DataFrame末尾，处理后结果如下：

Customer Date1 Date2 Date3 Date4
0 A 10 40.0 NaN 60.0
1 B NaN NaN 20 50.0
2 C NaN NaN NaN 30

空缺值设为NaN。尝试了以下代码但未成功：

import numpy as np
import pandas as pd

data = {
    'Customer': ['A', 'B', 'C'],
    'Date1': [10, 20, 30],
    'Date2': [40, 50, np.nan],
    'Date3': [np.nan, np.nan, np.nan],
    'Date4': [60, np.nan, np.nan]
}

df = pd.DataFrame(data)

for i in range(1, len(df.columns)):
    df.iloc[:, i] = df.iloc[:, i-1].shift(fill_value=np.nan)

print(df)

核心思路是针对每行日期数据，提取有效数值后左补NaN，让有效数据对齐到列末尾，具体实现如下：

import numpy as np
import pandas as pd

data = {
    'Customer': ['A', 'B', 'C'],
    'Date1': [10, 20, 30],
    'Date2': [40, 50, np.nan],
    'Date3': [np.nan, np.nan, np.nan],
    'Date4': [60, np.nan, np.nan]
}

df = pd.DataFrame(data)

# 分离客户列与日期列
customer_col = df['Customer']
date_cols = df.drop('Customer', axis=1)

# 处理每行日期数据：提取有效数值，左补NaN对齐到末尾
processed_dates = date_cols.apply(
    lambda row: np.concatenate(
        [[np.nan]*(len(date_cols.columns)-len(row.dropna())), row.dropna().values]
    ),
    axis=1
).apply(pd.Series)

# 合并列并恢复原列名
result_df = pd.concat([customer_col, processed_dates], axis=1)
result_df.columns = df.columns

print(result_df)

代码说明 #

1. 列分离：将Customer列单独保留，剩余日期列单独处理，避免干扰客户标识
2. 行处理逻辑：
   • 对每行日期数据，用dropna()提取所有非NaN的有效数值
   • 计算需要左补的NaN数量：总日期列数减去有效数值的个数
   • 拼接NaN数组与有效数值数组，实现有效数据右移至列末尾
3. 合并恢复：将处理后的日期列与客户列合并，恢复原DataFrame的列名结构

此方法不受Date列数量限制，任意数量的日期列都能适配处理。

内容的提问来源于stack exchange，提问作者dark water