如何实现Pandas数据框每行非空值左移，从左到右填充列？

嘿，这个需求我之前碰到过，给你分享两个简便的解决方案，完美实现你要的“每行非NaN值向左对齐，优先填满左侧列，右侧补NaN”的效果！

先明确需求对比 #

原始数据：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A':[1,2,np.nan,np.nan,3],
    'B':[2,3,np.nan,5,2],
    'C':[2,3,7,5,9],
    'D':[1,2,3,np.nan,np.nan]
})

目标效果：每行的非缺失值依次左移，填充左侧列，原列顺序保留，右侧空缺补NaN。

方法1：简洁的apply逐行处理（适合小数据集） #

利用apply逐行操作，先移除每行的NaN值，再重新对齐到原列索引上：

df_shifted = df.apply(
    lambda row: pd.Series(row.dropna().values, index=row.index[:len(row.dropna())]),
    axis=1
)

原理说明： #

• 对每行执行row.dropna()，得到该行所有非NaN值的序列；
• 用原行的前N个索引（N是该行非NaN值的数量）来构建新的Series，这样非NaN值会自动填充到左侧列，剩下的列因为没有对应值，会被自动填充为NaN。

方法2：高效的numpy实现（适合大数据集） #

如果你的数据集很大，apply逐行处理可能较慢，用numpy操作会更高效：

# 获取每行非NaN值的数量
non_nan_counts = df.notna().sum(axis=1)
# 创建和原DataFrame形状一致的空数组，初始填充NaN
result_array = np.full(df.shape, np.nan)

# 遍历每行，将非NaN值填充到数组左侧
for idx in range(df.shape[0]):
    # 提取当前行的非NaN值，填充到数组的对应行左侧
    result_array[idx, :non_nan_counts[idx]] = df.iloc[idx].dropna().values

# 转换回DataFrame，保留原列名和索引
df_shifted = pd.DataFrame(result_array, columns=df.columns, index=df.index)

原理说明： #

• 先统计每行有多少个非NaN值；
• 创建一个和原数据形状相同的NaN数组；
• 把每行的非NaN值依次放到数组的左侧位置，剩下的位置保持NaN；
• 最后转换回Pandas DataFrame即可。

验证结果 #

运行任意一种方法后，打印df_shifted就能得到你想要的结果：

A    B     C     D
0  1.0  2.0   2.0   1.0
1  2.0  3.0   3.0   2.0
2  7.0  3.0   NaN   NaN
3  5.0  5.0   NaN   NaN
4  3.0  2.0   9.0   NaN

完全匹配你给出的目标格式！

内容的提问来源于stack exchange，提问作者Beertje