如何合并Pandas DataFrame中同名的userLabel列至单列？

你之前的代码无效是因为：当DataFrame存在同名列时，直接通过ABC['userLabel']只会访问第一个匹配的列，你的fillna操作等于用列自身填充空值，完全没用到第二个userLabel列。

下面是两种可行的实现方法：

方法一：筛选+行填充（通用型） #

无需依赖列的固定位置，适合任意数量同名列的场景：

import pandas as pd
import numpy as np

data = {'userLabel': ['a', '', 3, '', 'b'],
        'name':['abc', 'def', 'ghi', '', 'ijk'],
        'userLabel1': ['', '2', '', '4', '']}

ABC = pd.DataFrame(data).rename(columns={'userLabel1':'userLabel'})

# 筛选所有名为userLabel的列，先把空字符串转为NaN，再按行用非空值填充
ABC['userLabel'] = ABC.filter(like='userLabel').replace('', np.nan).bfill(axis=1).iloc[:, 0]
# 移除重复的userLabel列
ABC = ABC.loc[:, ~ABC.columns.duplicated()]

print(ABC)

方法二：指定列位置合并（精准型） #

如果你明确知道两个userLabel列的位置，可以直接定位操作：

import pandas as pd
import numpy as np

data = {'userLabel': ['a', '', 3, '', 'b'],
        'name':['abc', 'def', 'ghi', '', 'ijk'],
        'userLabel1': ['', '2', '', '4', '']}

ABC = pd.DataFrame(data).rename(columns={'userLabel1':'userLabel'})

# 分别取出两个userLabel列，将空字符串转为NaN
col1 = ABC.iloc[:, 0].replace('', np.nan)
col2 = ABC.iloc[:, 2].replace('', np.nan)
# 合并：优先取第一列的值，第一列空时用第二列的值
ABC['userLabel'] = col1.combine_first(col2)
# 删除多余的userLabel列
ABC = ABC.drop(ABC.columns[2], axis=1)

print(ABC)

两种方法最终都会得到你预期的结果：

userLabel  name
0         a   abc
1         2   def
2         3   ghi
3         4      
4         b   ijk

内容的提问来源于stack exchange，提问作者Sakeer