Pandas如何将所有列合并为一列并以列名为第二列

你可以用Pandas内置的**stack()或melt()**方法实现需求，完全不需要嵌套循环，代码更简洁且效率更高：

方法1：使用stack()（推荐，贴合需求） #

stack会自动将列索引转为行索引，同时忽略NaN值，之后通过重置索引整理成目标结构：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'Japan': ['Tokyo', 'Okinawa', pd.NA, pd.NA],
    'UK': ['London', 'Birmingham', 'Manchester', pd.NA],
    'USA': ['NYC', 'Chicago', 'LA', 'Austin']
})

# 转换为目标DataFrame
result_df = df.stack().reset_index(drop=True).reset_index()
result_df.columns = ['城市', '国家']
# 调整列顺序为[城市, 国家]
result_df = result_df[['城市', '国家']]

# 如果需要直接生成你要的字典结构
city_country_dict = dict(df.stack())

方法2：使用melt() #

melt是专门的宽表转长表工具，配合过滤NaN实现需求：

# 转换为目标DataFrame
result_df = df.melt(var_name='国家', value_name='城市').dropna(subset=['城市'])
result_df = result_df[['城市', '国家']].reset_index(drop=True)

优势对比 #

• 效率更高：Pandas内置方法基于底层C实现，比Python嵌套循环快数倍，大数据量下差距更明显
• 代码简洁：核心逻辑仅1-2行，可读性强
• 自动处理NaN：无需手动判断空值，方法内置过滤逻辑

内容的提问来源于stack exchange，提问作者Arjun