Python中如何将Series合并到Pandas DataFrame并消除NaN值？

你的核心问题是原代码将匹配到的两行纵向拼接（axis=0），导致每行仅包含其中一个DataFrame的列值，其余列显示NaN。正确的做法是将满足条件的两行横向合并为同一行，再添加到结果中。

修正后的循环实现 #

import pandas as pd
import numpy as np

# 假设IPCSection和IPCClass是已加载的DataFrame
allcolumns = np.concatenate((IPCSection.columns, IPCClass.columns), axis=0)
finalpatentclasses = pd.DataFrame(columns=allcolumns)

for _, secrow in IPCSection.iterrows():
    for _, clrow in IPCClass.iterrows():
        # 匹配第一列的包含关系
        if secrow.iloc[0] in clrow.iloc[0]:
            # 横向合并两行，转成单行DataFrame
            merged_row = pd.concat([secrow, clrow]).to_frame().T
            # 将合并后的行添加到结果
            finalpatentclasses = pd.concat([finalpatentclasses, merged_row], ignore_index=True)

display(finalpatentclasses)

更高效的无循环实现（推荐） #

当数据量较大时，iterrows循环效率较低，可通过预匹配索引对的方式优化：

# 提取两个DataFrame的第一列用于匹配
sec_first_col = IPCSection.iloc[:, 0]
cls_first_col = IPCClass.iloc[:, 0]

# 收集所有满足匹配条件的索引对
matched_pairs = []
for sec_idx, sec_val in sec_first_col.items():
    matching_cls_indices = cls_first_col[cls_first_col.str.contains(sec_val)].index
    for cls_idx in matching_cls_indices:
        matched_pairs.append((sec_idx, cls_idx))

# 根据索引对提取对应行并横向合并
matched_sec_rows = IPCSection.loc[[pair[0] for pair in matched_pairs]].reset_index(drop=True)
matched_cls_rows = IPCClass.loc[[pair[1] for pair in matched_pairs]].reset_index(drop=True)

finalpatentclasses = pd.concat([matched_sec_rows, matched_cls_rows], axis=1)
display(finalpatentclasses)

关键说明 #

1. 原代码中pd.concat(pdList, axis=0)会把secrow和clrow作为两行添加，导致每行仅一半列有值；
2. 修正后使用pd.concat([secrow, clrow]).to_frame().T将两行合并为同一行，保证所有对应列都有值；
3. 无循环实现通过批量匹配索引，避免逐行循环的性能损耗，适合处理大型数据集。

内容的提问来源于stack exchange，提问作者steliosgabriel