如何将Pandas中的两列合并为一列？

嘿，这个需求太常见啦！你的数据里B和C列是互补的（每行只有一列有值，另一列为NaN），咱们用Pandas的几种方法都能轻松合并成BC列，下面给你详细说：

1. 先还原你的原始数据 #

首先咱们先把你给出的DataFrame用代码复现出来，方便后续测试：

import pandas as pd
import numpy as np

df1 = pd.DataFrame({
    'A': [1, 2, 3, 4],
    'B': [3, np.nan, 5, np.nan],
    'C': [np.nan, 2, np.nan, 1]
})

2. 方法一：用combine_first()（最直观的方法） #

这个方法专门用来处理这种互补列的合并——优先保留左边列（B）的非空值，左边为空时用右边列（C）的值填补：

# 合并B和C为BC列
df1['BC'] = df1['B'].combine_first(df1['C'])
# 如果不需要原来的B、C列，可以删掉
df1 = df1.drop(['B', 'C'], axis=1)

3. 方法二：用fillna()（逻辑简单易懂） #

和上面的思路类似，直接用C列的值填充B列的NaN，然后赋值给新列：

df1['BC'] = df1['B'].fillna(df1['C'])
df1 = df1.drop(['B', 'C'], axis=1)

4. 方法三：按行填充（适合多列合并场景） #

如果以后你需要合并超过两列的互补数据，用bfill(axis=1)（按行向后填充）会更灵活：

# 选择B、C列，按行向后填充非空值，取第一列作为合并结果
df1['BC'] = df1[['B', 'C']].bfill(axis=1).iloc[:, 0]
df1 = df1.drop(['B', 'C'], axis=1)

5. 可选：把BC列转为整数类型 #

上面的方法得到的BC列是浮点数（因为NaN是浮点类型），如果需要整数的话，可以加一句：

df1['BC'] = df1['BC'].astype(int)

最终结果 #

运行后你会得到期望的DataFrame：

A  BC
0  1   3
1  2   2
2  3   5
3  4   1

内容的提问来源于stack exchange，提问作者Emad Alomari