使用Pandas合并三列字符串为Address列失败，求解决方案

以下是几种可靠的方法，帮你把三列字符串拼接成符合要求的Address列：

方法1：直接字符串拼接（直观易用） #

假设你的三列分别是Street、City、Postcode，直接用加号拼接并添加空格分隔：

df['Address'] = df['Street'] + ' ' + df['City'] + ' ' + df['Postcode']

如果列中存在空值（NaN），拼接结果会变成NaN，此时可以先用fillna('')替换空值：

df['Address'] = df['Street'].fillna('') + ' ' + df['City'].fillna('') + ' ' + df['Postcode'].fillna('')

方法2：使用str.cat方法（安全处理空值） #

str.cat是Pandas专门用于字符串拼接的方法，支持多列拼接，还能统一处理空值：

df['Address'] = df['Street'].str.cat([df['City'], df['Postcode']], sep=' ', na_rep='')

该方法会自动将空值替换为空字符串，避免拼接结果出现NaN。

方法3：apply逐行处理（灵活自定义逻辑） #

如果需要过滤空值或空字符串，避免出现连续空格，可以用apply自定义拼接逻辑：

import pandas as pd

def combine_address(row):
    # 收集非空且非空白的字段
    valid_parts = [part for part in [row['Street'], row['City'], row['Postcode']] 
                   if pd.notna(part) and str(part).strip() != '']
    return ' '.join(valid_parts)

df['Address'] = df.apply(combine_address, axis=1)

关键注意事项 #

确保参与拼接的三列都是字符串类型（object或string dtype），如果是数值类型（比如邮编被存为数字），先转换为字符串：

df[['Street', 'City', 'Postcode']] = df[['Street', 'City', 'Postcode']].astype(str)

内容的提问来源于stack exchange，提问作者Beatriz