如何将Pandas多列数据合并为单个Series并保留NaN

问题背景 #

我有5年的体重数据，第一列为月日日期，后续各列对应不同年份的每日体重。已处理好日期列，需要把多列体重数据合并成单个Series来绘制完整图表。试过pd.concat、.join、.merge、melt、stack、agg这些方法都没成功，关键是要自动化流程——不用手动指定列名（比如id_vars="2018"），以后新增年份数据时不用改代码。

示例数据转换需求 #

原数据 #

0    1
0  1  4.0
1  2  NaN
2  3  6.0

转换后目标数据 #

0
0  1
1  2
2  3
3  4
4  NaN
5  6.0

自动化解决方案 #

方案1：保留日期与体重的对应关系（适合时序图表） #

如果需要保留每个体重值对应的日期，用stack()自动堆叠所有年份列：

import pandas as pd
import numpy as np

# 模拟你的原始数据：第一列为日期，后续是各年份体重
weight_df = pd.DataFrame({
    '日期': ['01-01', '01-02', '01-03'],
    '2018': [65.0, 64.8, 64.5],
    '2019': [66.2, np.nan, 65.8],
    '2020': [64.9, 64.7, 64.3]
})

# 自动排除日期列，堆叠所有年份列成单个Series
merged_series = weight_df.drop(columns=['日期']).stack().reset_index(drop=True)

print(merged_series)

• 逻辑：drop(columns=['日期'])自动过滤掉日期列，剩下的所有年份列都会被处理，新增年份列时代码无需修改
• stack()把多列数据纵向堆叠，reset_index(drop=True)清除多余索引，得到连续的单个Series

方案2：仅按列顺序合并所有值（完全匹配示例转换） #

如果不需要日期对应关系，只是单纯把每列的体重值按顺序拼接（先第一列所有值，再第二列，以此类推），用ravel('F')按列优先展开：

# 按列顺序合并所有体重值（和示例转换结果一致）
merged_series = pd.Series(weight_df.drop(columns=['日期']).values.ravel('F'))

print(merged_series)

你的示例代码修正 #

你原来的pd.concat是按列合并成DataFrame，不是Series，修正后可以直接得到目标结果：

import pandas as pd
import numpy as np

df1 = pd.DataFrame({'2018': [1, 2, 3]})
df2 = pd.DataFrame({'2019': [4, np.NaN, 6]})

# 自动化合并为单个Series，无需指定列名
merged_series = pd.Series(pd.concat([df1, df2], axis=1).values.ravel('F'))

print(merged_series)

内容的提问来源于stack exchange，提问作者Kevin Kaw