import pandas as pd

df = pd.DataFrame({
    'COLUMN_1': [0, 1, 1, 1, 4],
    'COLUMN_2': [1, 1, 2, 2, 5],
    'COLUMN_3': [0, 2, 3, 4, 8],
    'COLUMN_4': [2, 3, 2, 5, 8]
})

df = df.astype(str)  # Convert DataFrame to string type

for col in range(1, df.shape[1]):
    mask = (df.iloc[:, col] == df.iloc[:, col-1].astype(int).add(1).astype(str))
    df.iloc[:, col-1] = df.iloc[:, col-1].where(~mask, '')
df.head()

输出

COLUMN_1 COLUMN_2 COLUMN_3 COLUMN_4
0                 1        0        2
1        1                          3
2                          3        2
3                 2                 5
4                 5        8        8

• 它使用布尔值mask来标识需要用空字符串替换的元素。它还通过使用向量化操作来避免对行进行不必要的迭代。
• 迭代每一列（从第二列开始）并创建一个布尔掩码，用于标识需要替换的元素。然后，它使用where方法将前一列中的元素替换为空字符串，其中掩码为True。

您需要在diff中使用负句点，并结合mask：

out = df.mask(df.diff(-1, axis=1).eq(-1), '')

或者，对于就地修改：

df[df.eq(df.shift(-1, axis=1)-1)] = ''

使用shift的变体：

out = df.mask(df.eq(df.shift(-1, axis=1)-1), '')

输出量：

COLUMN_1 COLUMN_2 COLUMN_3  COLUMN_4
0                 1        0         2
1        1                           3
2                          3         2
3                 2                  5
4                 5        8         8

中间体：

# df.diff(-1, axis=1)
   COLUMN_1  COLUMN_2  COLUMN_3  COLUMN_4
0        -1         1        -2       NaN
1         0        -1        -1       NaN
2        -1        -1         1       NaN
3        -1        -2        -1       NaN
4        -1        -3         0       NaN

# df.shift(-1, axis=1)
   COLUMN_1  COLUMN_2  COLUMN_3  COLUMN_4
0         1         0         2       NaN
1         1         2         3       NaN
2         2         3         2       NaN
3         2         4         5       NaN
4         5         8         8       NaN