如何使用Pandas将两列合并为一列并排除NaN值？

嘿，这个需求用Pandas的内置方法就能轻松实现，我给你两个实用的方案，都能完美匹配你的需求：

方案一：使用combine_first（最直观的方法） #

combine_first方法的作用就是：优先保留当前列的非NaN值，当当前列是NaN时，用另一列对应位置的值填充，完全符合你要的“用相邻列的值替换任意一列中的NaN”的逻辑。

代码示例 #

首先构造你的示例DataFrame：

import pandas as pd
import numpy as np

# 构造示例数据
data = {
    'Gains': [np.nan, np.nan, np.nan, np.nan, np.nan, np.nan, 1.06, np.nan, np.nan, 0.14],
    'Loss': [np.nan, -0.17, -0.13, -0.75, -0.17, -0.99, np.nan, -1.29, -0.42, np.nan]
}
both = pd.DataFrame(data)

然后执行填充并生成新的DataFrame：

# 用Loss列填充Gains的NaN，再转为单列DataFrame
change_df = both['Gains'].combine_first(both['Loss']).to_frame('Change')

执行后change_df的结果就是你想要的：

Change
0     NaN
1   -0.17
2   -0.13
3   -0.75
4   -0.17
5   -0.99
6    1.06
7   -1.29
8   -0.42
9    0.14

方案二：使用行方向填充（灵活通用） #

如果你需要更通用的处理（比如以后列数更多的情况），可以用bfill或ffill按行方向填充，再提取第一列：

代码示例 #

# 按行方向向后填充NaN，然后取第一列转为单列DataFrame
change_df = both.bfill(axis=1).iloc[:, 0].to_frame('Change')

解释 #

• bfill(axis=1)：沿着行的方向，用右侧列的非NaN值填充左侧的NaN；
• iloc[:, 0]：提取填充后的第一列（也就是每行第一个非NaN的值）；
• to_frame('Change')：把Series转为你需要的单列DataFrame。

如果你的行中存在多列非NaN值，这个方法会优先保留最左侧的非NaN值，和方案一的效果一致。

内容的提问来源于stack exchange，提问作者Rahel Miz