pandas 空表生成多期 lag，列名和列数却没变

用 df.shift(periods=[0, 1], suffix="_lag") 生成两期特征，正常批次有四列，筛选后为空的批次却只剩原来的两列。调用没有抛异常，错误要到下游检查列名或预测特征时才出现。

pandas 3.1.0 的正式实现中，self.empty 且 freq is None 时会先返回副本，随后才处理多个 periods。因此，空表绕过了各期移动、加后缀与拼接的部分，不能用“没有数据行”推断输出列结构无关紧要。

对各期分别移动，再统一拼接

下面的示例只处理按行位置移动，不传 freq，列名是普通单层字符串：

import pandas as pd

df = pd.DataFrame({
    "price": pd.Series(dtype="int64"),
    "volume": pd.Series(dtype="float64"),
})
periods = [0, 1]

features = pd.concat(
    [df.shift(p).add_suffix(f"_lag_{p}") for p in periods],
    axis=1,
)

每次传给 shift() 的 p 是单个整数，即使空表提前返回，也仍会执行外面的 add_suffix()。对于这个示例，预期列名依次是 price_lag_0、volume_lag_0、price_lag_1、volume_lag_1，形状为 (0, 4)。

保留 periods 的顺序，它决定拼接后的列顺序。配置为空列表时，应在应用配置边界明确拒绝或定义空输出；不能直接把空列表交给 pd.concat()，再把新的异常误当成同一问题。重复的期数或已有重复列名，也可能生成重复的特征名，需要按模型输入要求处理。

不要临时填一行数据只为建立列名

插入假数据后再删除，可能触发 dtype 推断、缺失值填充和业务聚合。特征列数对了，也可能已经改变类型或统计过程。为了保存 schema，直接从各期结果建立输出更容易核对，也不必让虚构行进入流水线。

如果原调用使用了 fill_value、日期 freq、axis=1 或多层列索引，不能原样套用这个简化示例。多个期数的内置接口对 axis 有限制，日期频率又会改变索引含义；需要按原调用逐项保留这些约定。单独的 shift(0) 与非零移动在非空整数列上也可能得到不同 dtype，不应靠强制全表转浮点来隐藏这种差异。

验收同一套特征函数时，保留空表、一行和多行输入，检查列名、列顺序、dtype 及行索引。非空输入还要核对每一期值来自哪一行。保存旧的输出契约，确认下游读取没有再按位置错配列；不能只看异常消失，就认为所有 lag 特征都计算正确。