如何将矩形DataFrame转换为三角形DataFrame？

先说下之前代码跑不通的原因：

• 传参搞反了：cl.Triangle() 要收的是原始待处理的DF1，你把目标DF2传进去了，逻辑从根上就错了
• 工具不匹配：chainladder 是精算场景专门处理流量三角形的库，默认识别事故期、发展期的标准格式，默认保留左下三角的已知值，和你要的逐行右向截断的上三角规则对不上，直接用不仅出不来正确结果，还容易报格式校验的错

最简便的实现（纯pandas/numpy几行搞定，无需依赖精算库） #

你要的三角结构规则非常明确：从上到下逐行排列，第i行（第一行行号算0）只要列位置大于 总列数-1 - 行号 的单元格，全部填充为NaN，执行完即可和你给出的DF2结构完全对齐：

import pandas as pd
import numpy as np

# 复制原DF1，不改动原始数据
DF2 = DF1.copy()
row_num, col_num = DF2.shape

# 生成和DF2同形状的位置索引矩阵
col_pos = np.tile(np.arange(col_num), (row_num, 1))
row_pos = np.arange(row_num).reshape(-1, 1)

# 标记需要清空为NaN的位置
drop_mask = col_pos > (col_num - 1 - row_pos)

# 批量赋值
DF2.values[drop_mask] = np.nan

运行后的结果完全匹配目标要求：

• OP8、OP10 两行保留所有原始列的数值
• 从OP5开始，每往下一行，就把最右侧一列的数值清空为NaN
• 最后一行OP9 所有列均为NaN

关于chainladder的使用 #

如果后续要对转换好的三角结构做精算相关分析，直接把生成好的DF2传入cl.Triangle()就可以，没必要在数据格式转换环节依赖这个库，不然还得适配它的格式校验规则，反而增加不必要的麻烦。

内容的提问来源于stack exchange，提问作者Devil