如何在Pandas DataFrame中合并交替行（一行有数据一行含NaN）

直接给你能落地的解决方案，针对你说的「一行有完整数据、下一行仅Column A有值其余为NaN」的情况：

步骤1：给行打分组标签 #

用行号整除2生成分组ID，这样第0、1行自动归为一组，第2、3行归为下一组，以此类推：

df['group_id'] = df.index // 2

步骤2：分组聚合处理 #

分组后对不同列用对应的聚合逻辑：

• Column A：把同组两行的字符串拼接（分隔符可以自己换，比如空格、空串）
• 其他列：直接取组内非空的有效数据（因为每组只有一行有值，用first()/max()都能拿到）

代码示例：

clean_df = df.groupby('group_id').agg(
    Column_A=('Column A', lambda x: ' '.join(x)),  # 把空格换成你需要的分隔符即可
    Column_B=('Column B', 'first'),
    Column_C=('Column C', 'first')
).reset_index(drop=True)

为啥你之前用agg(sum)不行？ #

sum对字符串是拼接逻辑，但对数值列是求和，问题出在你没给不同列指定对应聚合方式：如果直接全列用sum，遇到非Column A的字符串列会报错；另外就算只有数值列，逻辑上虽然能拿到结果，但不如first()直观——毕竟我们本来就是要取组里唯一的有效数据，不是求和。

示例验证 #

假设原始DataFrame是这样：

import pandas as pd
df = pd.DataFrame({
    'Column A': ['订单编号：202401', '（北京仓）', '客户名称：张三', '（个人用户）'],
    'Column B': [150, pd.NA, 200, pd.NA],
    'Column C': ['已发货', pd.NA, '待付款', pd.NA]
})

处理后得到的clean_df就是：

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