技术咨询：DataFrame行首为NaN时左移行，保留后续NaN并移除初始NaN

嘿，我明白你在时间序列场景里遇到的这些关联问题了，咱们一步步来解决：

1. 核心需求：行首为NaN时向左移位，保留后续原有NaN #

首先处理你最头疼的行移位问题——要实现“行首是NaN就左移，同时保留后面原有的NaN位置”，咱们可以写个自定义函数，对每行单独处理：

import pandas as pd
import numpy as np

def shift_row_preserve_nan(row):
    # 找到该行第一个非NaN元素的位置
    first_non_nan_idx = next((i for i, val in enumerate(row) if not pd.isna(val)), None)
    # 如果整行都是NaN，或者第一个元素已经非NaN，直接返回原行
    if first_non_nan_idx is None or first_non_nan_idx == 0:
        return row
    # 把从第一个非NaN开始的元素移到行首，后面补NaN
    shifted_vals = row.iloc[first_non_nan_idx:].tolist() + [np.nan] * first_non_nan_idx
    return pd.Series(shifted_vals, index=row.index)

# 应用到你的DataFrame上
df_shifted = df.apply(shift_row_preserve_nan, axis=1)

举个例子，假设原行是 [NaN, 15, NaN, 30, NaN]，处理后会变成 [15, NaN, 30, NaN, NaN]——完美保留了原有的NaN相对位置，只把开头的NaN替换成后面的非NaN元素，末尾补NaN。

2. 移除DataFrame中的NaN值 #

移位之后，可能会剩下一些全为NaN的行，咱们把这些行删掉就行：

# 移除全为NaN的行
df_clean = df_shifted.dropna(how='all')

# 如果需要移除任何包含NaN的行（不推荐，因为你要保留部分NaN），可以用：
# df_clean = df_shifted.dropna(how='any')

3. 移除多索引重复项 #

如果你的DataFrame是多索引结构，要去掉重复的索引项，可以这么做：

# 保留第一个出现的索引，删除后续重复的
df_no_duplicates = df_clean[~df_clean.index.duplicated(keep='first')]

# 如果是列的多索引要去重，就改成：
# df_no_duplicates = df_clean.loc[:, ~df_clean.columns.duplicated(keep='first')]

这样一套操作下来，就能完全满足你的需求啦！

内容的提问来源于stack exchange，提问作者max steel