Pandas实现多行值复制填充至后续列的方法咨询

首先提供可复现的原始DataFrame构造代码：

import pandas as pd
import numpy as np

# 构造符合你描述的原始数据
df = pd.DataFrame([
    [1, 2, 3, np.nan, np.nan, np.nan],
    [4, 5, 6, np.nan, np.nan, np.nan]
], columns=['A', 'B', 'C', 'D', 'E', 'F'])

方案1：固定行数场景直接赋值（无转置，性能最优） #

仅需两行代码即可完成，完全符合你「不转置仅复制值到对应列」的要求：

# 将第二行A-C列的值直接赋值给第一行D-F列
df.loc[0, ['D', 'E', 'F']] = df.loc[1, ['A', 'B', 'C']].values
# 提取第一行即为结果
result = df.head(1)

优势：逻辑直观，无额外计算开销，不需要修改数据结构。

方案2：通用多场景适配（行数、列分组规则可变也支持） #

如果后续行数增加、或者每行列分组大小变化，可以用通用逻辑处理：

group_col_num = 3  # 每行对应填充的列数，此处是A-C共3列
for row_idx in range(1, len(df)):
    # 计算当前行要填充到第一行的起始列位置
    start_col_pos = row_idx * group_col_num
    # 按位置批量赋值
    df.loc[0, df.columns[start_col_pos:start_col_pos+group_col_num]] = df.loc[row_idx, df.columns[:group_col_num]].values
result = df.head(1)

优势：扩展性强，不需要手动写死列名，适配任意行数的同需求场景。

方案3：无侵入实现（不修改原始DataFrame） #

如果需要保留原始数据完全不变，可以直接构造新的结果DataFrame：

result = pd.DataFrame([{
    'A': df.loc[0, 'A'],
    'B': df.loc[0, 'B'],
    'C': df.loc[0, 'C'],
    'D': df.loc[1, 'A'],
    'E': df.loc[1, 'B'],
    'F': df.loc[1, 'C']
}])

优势：完全不改动原始数据，避免误操作风险。

内容的提问来源于stack exchange，提问作者Asif Ahmed Neloy