DataFrame指定列移至第100列并补零的代码修复需求

首先分析原代码的核心问题：

• 逻辑错误：需求是将指定的单个列移动到第100列位置，但原代码错误地将原行的前shift_array[i]+1列全部复制到新行的一段连续位置，完全不符合需求。
• 赋值有效性问题：直接修改df.iloc[i]可能因pandas的视图/副本机制失效，导致原DataFrame未被正确更新。
• 效率低下：逐行循环处理大型DataFrame速度极慢，应优先使用向量化操作。

修复方案（按需求分两种场景） #

场景1：仅保留指定列在第100列位置，其余位置补零 #

此场景严格匹配你描述的示例：仅将原指定列移到目标位置，其余列均为零。

高效向量化实现

import numpy as np
import pandas as pd

def shift_r_peak(df, shift_array):
    # 目标位置：0-based索引99，对应第100列
    target_col = 99
    # 创建与原DataFrame结构一致的全零数组
    new_data = np.zeros_like(df.values)
    # 生成行索引数组，用于向量化赋值
    row_indices = np.arange(df.shape[0])
    # 将每行指定列的值赋值到目标位置
    new_data[row_indices, target_col] = df.values[row_indices, shift_array]
    # 转回DataFrame并返回
    return pd.DataFrame(new_data, columns=df.columns, index=df.index)

场景2：整体移位，指定列到第100列，其余列跟随后移 #

如果需求是将整行数据后移，让指定列刚好落在第100列，前面补零，后续列依次后移（超出原列数的部分截断），可以使用以下实现：

实现代码

import numpy as np
import pandas as pd

def shift_r_peak(df, shift_array):
    target_col = 99  # 0-based对应第100列
    df_values = df.values
    new_data = np.zeros_like(df_values)
    
    for i in range(df.shape[0]):
        src_col = shift_array[i]
        # 计算需要后移的位数：确保指定列刚好到目标位置
        shift_steps = target_col - src_col
        if shift_steps >= 0:
            # 将原行所有数据后移shift_steps位，前面补零
            # 避免超出数组边界，取有效切片范围
            end_pos = shift_steps + df.shape[1]
            new_data[i, shift_steps:end_pos] = df_values[i, :]
    
    return pd.DataFrame(new_data, columns=df.columns, index=df.index)

关键说明 #

1. 索引约定：上述代码均采用0-based索引，target_col = 99对应你所说的「第100列位置」；如果你的业务中是1-based索引，只需将target_col改为100即可。
2. 有效性保障：所有实现均创建新的DataFrame返回，避免了原DataFrame的视图/副本修改问题。
3. 性能优化：场景1的向量化实现比逐行循环快数倍，适合处理大型DataFrame。

内容的提问来源于stack exchange，提问作者Kathan Vyas