如何将DataFrame中非NA值按行左移至首个空列？

示例DataFrame构造 #

先还原你给出的示例数据：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A1': ['Abc', 'Cde', np.nan],
    'A2': [np.nan, np.nan, 'Pqr'],
    'A3': ['Xyz', np.nan, np.nan],
    'A4': [np.nan, 'Mno', 'Stu'],
    'A5': [123, 756, 0],
    'A6': [123, 888, 0]
})

非循环解决方案 #

直接用apply结合dropna实现矢量化处理，无需手动循环：

# 按行处理：移除NA后重新排列，再对齐原列数
df_shifted = df.apply(lambda row: pd.Series(row.dropna().values), axis=1)
# 恢复原列名
df_shifted.columns = df.columns
# 补全缺失的列（非NA值不足时自动填NA）
df_shifted = df_shifted.reindex(columns=df.columns)

处理后结果 #

说明 #

这种方法利用pandas内置的矢量化操作，比手动遍历每行的循环效率高得多，尤其适合处理大体积的DataFrame。row.dropna()会保留该行非NA值的原始顺序，转成Series后自动左对齐，最后通过reindex补全原列数，空缺位置填充NA。

内容的提问来源于stack exchange，提问作者alf001