将CSV中多组Name与Age列合并为两列的Pandas技术需求

问题分析 #

需要将包含多组重复Age和Name列的DataFrame（示例为6列，实际2000列）按从左到右的组顺序堆叠成两列，同时忽略Name为NaN或Name与Age均为NaN的行。

解决方案代码 #

import pandas as pd
import numpy as np

# 示例数据
data = [['11', 'Nick', '10', 'Dave', '4', 'Greg'], 
        ['7', 'Nick', '10', 'Steve', '4', 'Jeff'], 
        ['1', 'Brad', np.nan, 'Jim', '3', "jas"],
        ['1','Steve', '2', 'Jack', np.nan,np.nan]]
  
df = pd.DataFrame(data, columns=['Age','Name', 'Age', 'Name', 'Age', 'Name'])

# 初始化结果DataFrame
result = pd.DataFrame(columns=['Age', 'Name'])

# 按每两列一组遍历（匹配Age+Name的组结构）
for i in range(0, len(df.columns), 2):
    # 提取当前组的Age和Name列
    group = df.iloc[:, [i, i+1]]
    # 统一列名，避免重复列名冲突
    group.columns = ['Age', 'Name']
    # 过滤掉Name为NaN的行（自动包含Name+Age均为NaN的情况）
    group_filtered = group.dropna(subset=['Name'])
    # 按组顺序追加到结果中
    result = pd.concat([result, group_filtered], ignore_index=True)

# 输出结果
print(result)

代码说明 #

1. 分组遍历：通过range(0, len(df.columns), 2)按每两列一组提取数据，严格保证从左到右的组顺序不被打乱。
2. 列名统一：将每组的重复列名重命名为Age和Name，避免拼接时的列名冲突。
3. NaN过滤：使用dropna(subset=['Name'])精准过滤掉Name为NaN的行，同时自动覆盖Name与Age均为NaN的情况。
4. 顺序拼接：用pd.concat按组顺序追加数据，ignore_index=True重置索引，生成连续的结果序列。

输出结果 #

Age   Name
0    11   Nick
1     7   Nick
2     1   Brad
3     1  Steve
4    10   Dave
5    10  Steve
6   NaN    Jim
7     2   Jack
8     4   Greg
9     4   Jeff
10    3    jas

内容的提问来源于stack exchange，提问作者sdpro19