如何将DataFrame中y1-y4列合并为y列并标注来源列

现有一个Pandas DataFrame，其中y1至y4列的每一行仅有一个有效值，其余为NaN：

x        y1        y2          y3           y4   
0  -17.7 -0.785430       NaN         NaN          NaN 
1  -15.0       NaN       NaN         NaN -3820.085000 
2  -12.5       NaN       NaN    2.138833          NaN 

需要将所有y列合并为一列y，同时新增一列no标注该值所属的原y列，期望输出：

x             y       no   
0  -17.7     -0.785430       y1
1  -15.0  -3820.085000       y4
2  -12.5      2.138833       y3

解决方案 #

方法一：使用stack()（推荐，适配每行仅一个有效值的场景）

stack()会自动过滤NaN值，直接将列索引转为行索引，操作高效：

import pandas as pd

# 构造示例数据（实际使用时替换为你的DataFrame）
df = pd.DataFrame({
    'x': [-17.7, -15.0, -12.5],
    'y1': [-0.785430, pd.NA, pd.NA],
    'y2': [pd.NA, pd.NA, pd.NA],
    'y3': [pd.NA, pd.NA, 2.138833],
    'y4': [pd.NA, -3820.085000, pd.NA]
})

# 执行合并
result = df.set_index('x').stack().reset_index()
# 重命名列
result.columns = ['x', 'no', 'y']
# 调整列顺序匹配期望输出
result = result[['x', 'y', 'no']]

print(result)

方法二：使用melt() + dropna()

如果需要更灵活的列选择，可使用melt()将宽表转长表，再过滤空值：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'x': [-17.7, -15.0, -12.5],
    'y1': [-0.785430, pd.NA, pd.NA],
    'y2': [pd.NA, pd.NA, pd.NA],
    'y3': [pd.NA, pd.NA, 2.138833],
    'y4': [pd.NA, -3820.085000, pd.NA]
})

# 转长表并过滤空值
result = df.melt(id_vars='x', var_name='no', value_name='y').dropna(subset=['y'])
# 重置索引并调整列顺序
result = result[['x', 'y', 'no']].reset_index(drop=True)

print(result)

内容的提问来源于stack exchange，提问作者Peter M