如何在Python Pandas中合并datetime列生成时间戳与标记列？

这问题用pandas的内置工具就能轻松搞定，给你两种适配需求的方案，都能得到你想要的结果：

方案一：利用combine_first和行判断（完美保留原始行顺序） #

这种方法最贴合你的示例输出，严格按照原始DataFrame的行顺序生成结果，代码简洁直观：

import pandas as pd

# 假设你的原始数据存储在DataFrame df中
# 生成目标DataFrame
result = pd.DataFrame({
    'Timestamp': df['begin'].combine_first(df['end']),
    'Flag': df.apply(lambda row: 'begin' if pd.notna(row['begin']) else 'end', axis=1)
}).reset_index(drop=True)

原理说明： #

• df['begin'].combine_first(df['end'])：对每一行优先取begin列的非空值，若begin为空则取end列的值，正好匹配你数据每行仅一个非空时间的特点。
• apply函数：逐行判断，只要begin列非空就标记为begin，否则标记为end。
• 最后reset_index(drop=True)重置索引，让结果和你的示例索引完全一致。

方案二：用melt函数（宽表转长表通用方法） #

如果以后你的数据结构有变化（比如某行可能同时存在begin和end值），这种通用的宽转长方法会更灵活：

import pandas as pd

# 宽表转长表
melted = df.melt(var_name='Flag', value_name='Timestamp')
# 过滤空值并保持原始顺序
result = melted.dropna(subset=['Timestamp']).sort_index().reset_index(drop=True)

原理说明： #

• melt函数会把begin和end的列名转为Flag列的值，对应列的内容转为Timestamp列的值。
• dropna去掉时间为空的行，sort_index保证结果顺序和原始数据一致，最后重置索引。

运行任意一种方案后，你都会得到和示例完全一致的DataFrame，包含Timestamp和Flag两列。

内容的提问来源于stack exchange，提问作者Zebra125