如何在Pandas DataFrame中合并多列并清理空值（文本数值混合）

针对你要把17列含文本、百分比的混合数据（大量空值，交替出现）合并为一列，同时保留Column A的需求，直接用以下两种方法就能搞定：

方法一：用bfill逐行填充取非空值 #

这种方法适合每一行只有一个非空值的场景（比如你说的Column B和C交替空值），效率很高：

1. 先构造示例数据（模拟你的场景）：

import pandas as pd
import numpy as np

data = {
    'Column A': ['行1', '行2', '行3', '行4'],
    'Column B': ['文本1', np.nan, '30%', np.nan],
    'Column C': [np.nan, '数值2', np.nan, '文本4'],
    # 补充剩下15列空值模拟17列的情况
    **{f'Column {chr(68+i)}': [np.nan]*4 for i in range(15)}
}
df = pd.DataFrame(data)

2. 执行合并操作：

# 选中要合并的17列（排除Column A）
merge_columns = df.columns.drop('Column A')
# 逐行从左到右填充空值，取每一行的第一个非空值作为新列
df['新Column B'] = df[merge_columns].bfill(axis=1).iloc[:, 0]
# 保留需要的列，删除原17列
df = df[['Column A', '新Column B']]

方法二：逐行聚合取第一个非空值 #

如果担心某些行存在多个非空值（你场景里应该没有），可以用这种更严谨的方式，只取每行第一个非空值：

merge_columns = df.columns.drop('Column A')
df['新Column B'] = df[merge_columns].agg(
    lambda row: row.dropna().iloc[0] if not row.dropna().empty else np.nan,
    axis=1
)
df = df[['Column A', '新Column B']]

补充说明 #

• 两种方法都能保留原数据格式（不管是文本还是百分比字符串），不会因为混合类型报错；
• 如果有行所有17列都是空值，新列会显示NaN，可以用df['新Column B'] = df['新Column B'].fillna('无数据')替换成你需要的默认值；

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