本文介绍如何在不修改特定列（如首列）的前提下，对 dataframe 中选定的若干列进行向左平移操作，并用空字符串填充右侧空缺，避免整行错位或数据丢失。
本文介绍如何在不修改特定列（如首列）的前提下，对 dataframe 中选定的若干列进行向左平移操作，并用空字符串填充右侧空缺，避免整行错位或数据丢失。
在 Pandas 中，df.shift() 默认作用于整个 DataFrame，若直接使用 df.shift(-1, axis=1) 会导致所有列整体左移——原第一列（如 'A'）被挤出，第二列内容移入第一列位置，从而破坏关键标识列的完整性。这显然不符合需求：我们只想移动 'B' 和 'C' 列的内容（例如将 'B' 的值移至 'B'、'C' 的值移至 'B'，原 'C' 列末尾补空），同时严格保留 'A' 列不变。
正确做法是显式指定目标列，单独对其应用 shift()，再赋值回原位置。关键在于结合列选择、axis=1（按列方向移动）、fill_value=''（用空字符串填充移出后产生的空位），并避免波及无关列：
import pandas as pd
# 构造原始 DataFrame
df = pd.DataFrame({
'A': ['First', 'Second'],
'B': ['row to delete', 'row to delete'],
'C': ['row to shift', 'row to shift']
})
# ✅ 正确：仅对 B、C 列执行左移，A 列完全保留
df[['B', 'C']] = df[['B', 'C']].shift(-1, axis=1, fill_value='')
print(df)
输出结果为：
A B C 0 First row to shift 1 Second row to shift
⚠️ 注意事项：
- shift(-1, axis=1) 表示“向左移动 1 列”（负号代表反向，即列索引减小）；
- 必须指定 fill_value=''，否则默认填 NaN，而空字符串更符合展示需求；
- 若只需对部分行生效（如仅第 2 行），可配合 .loc 精确定位：
idx = [1] # 第二行（0-indexed） cols = ['B', 'C'] df.loc[idx, cols] = df.loc[idx, cols].shift(-1, axis=1, fill_value='')
此外，也可使用 df.update() 实现相同效果（尤其适合就地更新且避免链式赋值警告）：
df.update(df[['B', 'C']].shift(-1, axis=1, fill_value=''))
总结：永远优先显式选取列范围再操作，而非对整个 DataFrame 调用 shift()。这种模式既安全又可控，是处理混合语义列（如 ID 列 + 数据列）时的标准实践。
