我认为您可以使用python内置功能通读csv文件，但在单独的列表中跟踪每列中的值

import csv

cols = [[], [], []]
with open('test.csv', newline='') as csvfile:
    reader = csv.reader(csvfile, delimiter=',')
    for row in reader:
        for i in range(len(row)):
            if row[i] != '':
                cols[i].append(row[i])
        

for i in range(len(cols[0])):
    print(','.join([cols[j][i] for j in range(3)]))

字符串
如果愿意，还可以将上面的列值列表转换为pandas框架

import pandas as pd
for i in range(len(cols[0])):
    print(','.join([cols[j][i] for j in range(3)]))

型

解决这个问题的一个可能方法是使用Python中的pandas库，它可以轻松地操作 Dataframe 。下面是一个可能适合你的示例代码：
Import pandas导入pandas作为pd
读取csv文件df = pd.read_csv（“yourfile.csv”）
定义一个函数将值上移到最上面的空列def shift_up（df）：
循环遍历df中col的列。columns：#查找列中第一个非空单元格的索引first_non_empty = df[col].first_valid_index（）#如果索引不为零，则在first_non_empty！= 0的情况下将值上移该数量：df[col] = df[col].shift（-first_non_empty）
返回修改后的 Dataframe return df
将函数应用于 Dataframe df = shift_up（df）
将修改后的 Dataframe 写入新的csv文件df.to_csv（“newfile.csv”，index=False）
你可以在这个网站上找到更多关于Pandas及其方法的信息。我希望这对你的任务有帮助。

Pandas丢弃NaN的能力使这一点变得简单。

#! /usr/bin/env python

from io import StringIO, TextIOWrapper

import pandas as pd

csv_input = """
Name,Points,Type
name1,,
name2,,
name3,,
,4.5,
,2.5,
,1.0,
,,type1
,,type1
,,type1
"""

def shift_upwards(in_file: TextIOWrapper) -> list:
    in_df = pd.read_csv(in_file)
    return pd.DataFrame(
        {col: in_df[col].dropna().reset_index(drop=True)
        for col in in_df.columns}
    )

if __name__ == "__main__":
    print(shift_upwards(StringIO(csv_input)))

字符串
产出：

Name  Points   Type
0  name1     4.5  type1
1  name2     2.5  type1
2  name3     1.0  type1

型

您可以使用zip将列转置为行，并使用filter函数过滤掉空值，然后使用zip将行转置回列：

import csv
import sys
from functools import partial
from io import StringIO

file = StringIO('''Name,Points,Type
name1,,
name2,,
name3,,
,4.5,
,2.5,
,1.0,
,,type1
,,type1
,,type1''')

csv.writer(sys.stdout).writerows(
    zip(*map(partial(filter, None), zip(*csv.reader(file))))
)

字符串
这将产生：

Name,Points,Type
name1,4.5,type1
name2,2.5,type1
name3,1.0,type1

型