如何调整Pandas代码实现DataFrame多列值匹配对齐并补全NaN

输入DataFrame列值 #

• Column1取值：('Curl Care Anti-Hairfall 200ml', 'Curl Care Clean 200ml', 'Curl Care Color Protect 200ml')
• Column2取值：('Curl Care Rose 200ml', 'Silidone Damage Control 200ml', 'Curl Care Clean 200ml')
• Column3取值：('Curl Care Rose 200ml', 'Curl Care Color Protect 200ml', 'Curl Care Anti-Hairfall 200ml')
• Column4取值：('Curl Care Color Protect 200ml', 'Curl Care Anti-Hairfall 200ml', 'Curl Care Clean 200ml')

期望输出列值 #

• Column1取值：('Curl Care Anti-Hairfall 200ml', 'Curl Care Clean 200ml', 'Curl Care Color Protect 200ml', np.nan, np.nan)
• Column2取值：(np.nan, 'Curl Care Clean 200ml', np.nan, 'Curl Care Rose 200ml', 'Silidone Damage Control 200ml')
• Column3取值：('Curl Care Anti-Hairfall 200ml', np.nan, 'Curl Care Color Protect 200ml', 'Curl Care Rose 200ml', np.nan)
• Column4取值：('Curl Care Anti-Hairfall 200ml', 'Curl Care Clean 200ml', 'Curl Care Color Protect 200ml', np.nan, np.nan)

核心逻辑规则 #

1. 以Column1的所有值作为基准行锚点，保留原始值，后续新增行补np.nan
2. 对其他列（Column2/Column3/Column4）：
   • 匹配Column1的每个值：若当前列存在该值则保留，否则填np.nan
   • 收集当前列中不属于Column1的新值，追加到列末尾，对应Column1位置填np.nan

原代码问题 #

原代码仅实现了"保留列中属于Column1的值，否则设为NaN"，但未处理新增行容纳其他列新值的需求，且未按Column1的基准值匹配对应位置，导致行数量与原DataFrame一致，无法得到期望的5行结果。

修改后的代码 #

import pandas as pd
import numpy as np

# 构造原始输入DataFrame
data = {
    'Column1': ['Curl Care Anti-Hairfall 200ml', 'Curl Care Clean 200ml', 'Curl Care Color Protect 200ml'],
    'Column2': ['Curl Care Rose 200ml', 'Silidone Damage Control 200ml', 'Curl Care Clean 200ml'],
    'Column3': ['Curl Care Rose 200ml', 'Curl Care Color Protect 200ml', 'Curl Care Anti-Hairfall 200ml'],
    'Column4': ['Curl Care Color Protect 200ml', 'Curl Care Anti-Hairfall 200ml', 'Curl Care Clean 200ml']
}
df = pd.DataFrame(data)

# 获取Column1基准值列表
column1_values = df['Column1'].tolist()
# 收集所有其他列中不属于Column1的唯一值
extra_values = []
for col in df.columns[1:]:
    extra_values.extend([val for val in df[col] if val not in column1_values])
unique_extra = list(set(extra_values))

# 计算最终总行数：基准行数 + 新值行数
total_rows = len(column1_values) + len(unique_extra)

# 初始化输出DataFrame
output_df = pd.DataFrame(index=range(total_rows), columns=df.columns)

# 填充Column1：基准值保留，后续行补NaN
output_df['Column1'] = column1_values + [np.nan]*(total_rows - len(column1_values))

# 处理其他列
for col in df.columns[1:]:
    # 第一步：匹配Column1基准值，填充对应位置
    matched_vals = []
    for val in column1_values:
        matched_vals.append(val if val in df[col].values else np.nan)
    # 第二步：收集当前列的非Column1值
    extra_vals = [val for val in df[col] if val not in column1_values]
    # 填充当前列，补NaN到总行数
    output_df[col] = matched_vals + extra_vals + [np.nan]*(total_rows - len(matched_vals) - len(extra_vals))

print(output_df)

代码说明 #

1. 锚定基准：以Column1的所有值作为前3行的固定内容，后续行用于存放其他列的新值
2. 计算总行数：确保能容纳所有基准值和其他列的新值
3. 分步骤填充其他列：先匹配基准值的对应位置，再追加新值，最后补全NaN到总行数

内容的提问来源于stack exchange，提问作者shubham