如何在Python中合并三列生成含唯一值的新列？

用str.cat只能完成基础的列拼接，没法实现按行去重的需求，这里给你两种直接可用的解决办法：

方法一：逐行处理（简单直观） #

利用apply对每行数据做去重后拼接，还能保留元素原本的出现顺序：

import pandas as pd

# 示例数据
data = {
    'Col1': ['a', 'c', 'd'],
    'Col2': ['b', 'a', 'a'],
    'Col3': ['b', 'a', 'e']
}
df = pd.DataFrame(data)

# 生成去重后的拼接列
df['concate_col'] = df[['Col1', 'Col2', 'Col3']].apply(
    lambda x: ','.join(sorted(set(x), key=x.index)),
    axis=1
)

• set(x)自动去重每行的三个值
• sorted(..., key=x.index)用来保持元素在原列中的出现顺序（比如第一行先出现a再出现b，结果就是a,b而非b,a）
• ','.join(...)把去重后的元素用逗号连接

方法二：用stack+groupby（高效适配大数据量） #

如果你的数据量很大，apply逐行处理效率偏低，可以用这种向量化的方式：

# 将多列转成行结构，保留原行索引
stacked_data = df[['Col1', 'Col2', 'Col3']].stack()

# 按原行索引分组，去重后拼接
df['concate_col'] = stacked_data.groupby(level=0).apply(
    lambda x: ','.join(sorted(x.unique(), key=list(x).index))
)

• stack()把每一行的多个列值转成同一索引下的多行数据
• groupby(level=0)按原DataFrame的行索引分组
• x.unique()对每组（即原每行）的元素去重，再按原顺序拼接

两种方法运行后都能得到你需要的结果：

内容的提问来源于stack exchange，提问作者dushkr