本文详解如何识别特定模式的单元格（如列 p 中以 "dis" 开头的值），将其置空，并将原值整体右移一列，同时自动扩展新列（如 s）填充移入内容，最终实现“剪切-右移-对齐”效果。
在 Pandas 中，没有直接等价于 Excel “剪切单元格并右移” 的原生操作，但可通过逻辑拆解+向量操作高效模拟该行为：核心思路是——定位需移动的行 → 将其整行向右平移一列 → 与未移动行拼接 → 统一补齐缺失值。
以下为完整实现步骤与代码：
✅ 步骤解析
- 新增目标列 S：初始化为 'blank'（或 np.nan，后续统一填充）；
- 构造布尔条件：df['P'].str.startswith('Dis') 精准匹配需右移的行；
-
分离处理：
- df[~cond]：保留原结构（P 列不以 "Dis" 开头的行）；
- df[cond].shift(axis=1)：对匹配行执行按列右移（即 P→Q, Q→R, R→S，原 P 变为 NaN）；
- 合并与对齐：用 pd.concat() 垂直拼接两部分，再通过 sort_index() 恢复原始行序；
- 填充空值：fillna('blank') 将所有 NaN 替换为指定占位符。
? 完整可运行代码
import pandas as pd
import numpy as np
# 构造示例数据
data = {
'P': ['Performan', 'Dispo', 'Perfumo', 'Disper', 'Dispite'],
'Q': ['Dispite', 'camera', 'Displu', 'camera', 'camera'],
'R': ['Cammmr', 'battery', 'Cammmmt', 'battery', 'battery']
}
df = pd.DataFrame(data)
# 实现“剪切P中Dis开头值并右移”
df['S'] = 'blank' # 新增列
cond = df['P'].str.startswith('Dis')
out = (
pd.concat([df[~cond], df[cond].shift(axis=1)])
.fillna('blank')
.sort_index()
.reindex(columns=['P', 'Q', 'R', 'S']) # 显式指定列序，确保S在末尾
)
print(out)? 输出结果
P Q R S 0 Performan Dispite Cammmr blank 1 blank Dispo camera battery 2 Perfumo Displu Cammmmt blank 3 blank Disper camera battery 4 blank Dispite camera battery
⚠️ 注意事项
- shift(axis=1) 是向右平移（列方向），会丢失最右侧列的值（本例中 R 值移入 S，原 S 无来源故为 NaN）；
- 若需保留原始列名语义（如移入后 S 应代表原 P 内容），建议后续重命名列或添加注释；
- fillna() 使用 'blank' 字符串时，注意其类型为 object；若后续需数值计算，应改用 np.nan 并配合 pd.isna() 判断；
- 对大数据集，该方法时间复杂度为 O(n)，优于逐行循环，符合 Pandas 向量化设计哲学。
通过这一组合操作，你就能在 Pandas 中优雅复现 Excel 的“删除单元格并右移”逻辑，兼顾性能与可读性。
