第一次和第三次

g = df.stack().groupby(level=0)

out = pd.concat({'1st': g.first(), '3rd': g.nth(2)}, axis=1)

输出：

1st   3rd
date                  
2007-02-15 -0.88  0.50
2007-02-16  0.50  0.29
2007-02-19 -0.84  0.29
2007-02-20  0.50  0.67

第一个和最后一个

您可以按照初始逻辑再添加一个ffill，并对第一列和最后一列进行切片：

df.bfill(axis=1).ffill(axis=1).iloc[:, [0,-1]].set_axis(['1st', '3rd'], axis=1)

输出：

1st   3rd
date                  
2007-02-15 -0.88  0.50
2007-02-16  0.50  0.29
2007-02-19 -0.84  0.29
2007-02-20  0.50  0.50

stack和groupby.agg的另一个选项：

df.stack().groupby(level=0).agg(['first', 'last'])

输出：

first  last
date                   
2007-02-15  -0.88  0.50
2007-02-16   0.50  0.29
2007-02-19  -0.84  0.29
2007-02-20   0.50  0.50

您可以执行sorted，然后使用columns number选择值

out = df.transform(lambda x : sorted(x,key=pd.isnull),1)
Out[51]: 
               0     1     2    3    4
date                                  
2007-02-15 -0.88  0.80  0.50  NaN  NaN
2007-02-16  0.50 -0.84  0.29  NaN  NaN
2007-02-19 -0.84  0.79  0.29  NaN  NaN
2007-02-20  0.50  0.50  0.67  0.2  0.5
#first = out[0]