我不知道确切的术语是什么，我期待这样做的道歉，如果我没有正确地描述所需的结果。下面的例子来说明我的意思，应该使它清楚。
此外，我确实有一个解决方案，是工作，但它的超级笨重。我希望有人能帮我找到一个更干净的方法来做这件事。

• 问题：**

我尝试获取一个值的 Dataframe ，像这样（值是什么并不重要，但请注意列是从0到任何值的整数）：

In  [1]: a = np.random.randint(0,10,(5,5))
In  [2]: df = pd.DataFrame(a, index=['A','B','C','D','E'],columns=[x for x in range(5)])
In  [3]: df
Out [3]:
    0   1   2   3   4
A   0   8   9   4   5
B   3   4   5   0   1
C   8   5   5   4   1
D   8   5   3   8   3
E   7   2   6   7   2

期望结果：

然后我要做的是返回一个df的版本，它在“左下到右上”对角线下方的右下角有NaN。
所以期望的输出是这样的：

0   1   2   3   4
A   0   8.0 9.0 4.0 5.0
B   3   4.0 5.0 0.0 NaN
C   8   5.0 5.0 NaN NaN
D   8   5.0 NaN NaN NaN
E   7   NaN NaN NaN NaN

我已经找到了几个关于指定对角线上的特定值的答案，但没有一个与此完全相同。

工作溶液：

正如我提到的，我确实得到了一个非常笨拙的解决方案，但我希望有人有一个更干净的方法来做到这一点。以下是我所做的：

In [4]: check_digit_max = df.columns[-1] # the columns are ints, so just get the highest value
In [5]: df['check_digit'] = [i for i,x in enumerate(df.index)]

所以现在我有这个：

In  [6]: df
Out [6]:
0   1   2   3   4   check_digit
A   0   8   9   4   5   0
B   3   4   5   0   1   1
C   8   5   5   4   1   2
D   8   5   3   8   3   3
E   7   2   6   7   2   4

因此，基本上如果列号加上校验位大于check_*digit_*max，则值应为NaN。而这个混乱的循环就能做到这一点：

In  [7]: for col in df.iloc[:,:-1].columns:
            df[col] = [x if int(col)+y <= check_digit_max else np.nan
                   for x,y in zip(df[col], df['check_digit'])]
In  [8]: df.drop('check_digit',axis=1)
Out [8]:
    0   1   2   3   4
A   0   8.0 9.0 4.0 5.0
B   3   4.0 5.0 0.0 NaN
C   8   5.0 5.0 NaN NaN
D   8   5.0 NaN NaN NaN
E   7   NaN NaN NaN NaN

希望有人有更好的方法来做这件事。任何帮助感谢！