如何使用Pandas的merge函数以逗号分隔合并指定列？

首先明确：这个需求不需要用merge函数——merge是用来合并不同DataFrame的工具，而你要的是对单行内的参数列做行级聚合拼接，用行处理或矢量化方法更直接。不过可以结合你提到的「存储参数列名的硬编码DataFrame」来动态获取目标列，避免硬编码列名。

步骤示例 #

1. 构造示例数据（模拟你的场景）

import pandas as pd
import numpy as np

# 原始DataFrame，包含Id、其他列和参数列
df = pd.DataFrame({
    'Id': [1, 2, 3],
    'OtherCol': ['A', 'B', 'C'],
    'Period': [30, np.nan, 60],
    'Length': [np.nan, 150, 200],
    'Weight': [75, 80, np.nan]
})

# 存储参数列名的辅助DataFrame（硬编码）
param_cols_df = pd.DataFrame({'param_cols': ['Period', 'Length', 'Weight']})
# 提取参数列名列表
param_cols = param_cols_df['param_cols'].tolist()

2. 定义拼接逻辑，生成Params列
   用apply逐行处理，逻辑清晰易读：

def build_params_row(row):
    # 筛选当前行非空的参数列，拼接成「列名=值」格式
    non_empty_pairs = [f"{col}={str(row[col])}" for col in param_cols if pd.notna(row[col])]
    return ', '.join(non_empty_pairs)

# 生成新列
df['Params'] = df.apply(build_params_row, axis=1)

# 可选：删除原参数列（如果不需要保留）
df = df.drop(columns=param_cols)

3. 输出结果
   运行后得到的DataFrame结构如下：

Id OtherCol             Params
0   1        A  Period=30, Weight=75
1   2        B  Length=150, Weight=80
2   3        C   Period=60, Length=200

优化：矢量化处理（大数据量场景） #

如果你的数据量很大，apply的逐行循环效率较低，可以用矢量化方法替代：

# 对参数列逐行提取非空的键值对
params_series = df[param_cols].apply(lambda x: x.dropna().to_dict(), axis=1)
# 拼接成目标格式字符串
df['Params'] = params_series.apply(lambda d: ', '.join([f"{k}={v}" for k, v in d.items()]))

为什么不用merge？ #

merge的核心作用是基于共同列或索引，将两个DataFrame横向/纵向合并。你的需求是对单行内的列进行聚合，完全不涉及多个DataFrame的合并操作，因此merge并不适用。

内容的提问来源于stack exchange，提问作者Suhas