如何在pandas DataFrame中移除NaN并左移值压缩数据以减少列数？

问题分析 #

你用dropna()没效果，是因为默认的dropna()逻辑是删除包含NaN的行或列，而非提取每行的非空值并重新左对齐排列。另外你的数据里混有None，dropna()默认不会识别处理object类型列里的None，所以需要先统一转换为NaN。

解决方案 #

按以下步骤处理：

1. 导入依赖并模拟原始数据

import pandas as pd
import numpy as np

# 模拟你的原始DataFrame
data = [
    [5.29559, np.nan, 2.38176, np.nan, 0.51521, np.nan, 0.04454, 0.00000, None, None, None, None, None, None, None, None],
    [0, np.nan, np.nan, np.nan, np.nan, 0, np.nan, np.nan, 0, np.nan, np.nan, 0, 2, None, None, None],
    [4.32454, np.nan, 1.77600, np.nan, 0.04454, np.nan, 0.00000, None, None, None, None, None, None, None, None, None],
    [0, np.nan, np.nan, np.nan, np.nan, 0, np.nan, np.nan, 0, np.nan, np.nan, 2, None, None, None, None]
]
df = pd.DataFrame(data)

2. 将None转换为NaN
   确保所有空值都能被dropna()识别：

df = df.replace({None: np.nan})

3. 逐行提取非空值并左对齐
   对每行单独处理，移除NaN后重新索引，让非空值左对齐：

result_df = df.apply(lambda row: row.dropna().reset_index(drop=True), axis=1)

最终结果 #

运行上述代码后，result_df就会呈现你想要的样式：

0         1         2         3         4
0  5.29559  2.38176  0.51521  0.04454  0.00000
1  0.00000  0.00000  0.00000  0.00000  2.00000
2  4.32454  1.77600  0.04454  0.00000       NaN
3  0.00000  0.00000  0.00000  2.00000       NaN

（如果不需要末尾的NaN，可额外执行result_df = result_df.dropna(axis=1, how='all')删除全NaN列）

内容的提问来源于stack exchange，提问作者Montana