Python pandas：按步骤合并subtitle与dimension列生成新列

问题描述 #

我有一个记录用户行为步骤的DataFrame，每个步骤对应subtitle (step N)和dimension1 (step N)两列。示例数据如下：

import pandas as pd
import numpy as np

df = pd.DataFrame({'idVisit': [1, 2, 3],
                   'subtitle (step 0)': ['download', 'homepage', 'www.example.com'],
                   'dimension1 (step 0)': ['client', np.nan, 'internal'],
                   'subtitle (step 1)': ['pageview', 'pageview', 'map'],
                   'dimension1 (step 1)': ['client', 'client', np.nan],
                   'subtitle (step 2)': ['download', 'homepage', 'www.example.com'],
                   'dimension1 (step 2)': ['client', np.nan, 'internal'],
                   'subtitle (step 3)': ['pageview', 'pageview', 'map'],
                   'dimension1 (step 3)': ['client', 'client', np.nan]})

需要为每个步骤生成新列，规则是：

• 如果对应步骤的dimension1列值不为空，就使用该值
• 如果dimension1为空，则使用对应步骤的subtitle列值

比如step0列的预期输出是['client', 'homepage', 'internal']，step1列是['client', 'client', 'map']，以此类推。

解决方案 #

可以用Pandas的fillna()或combine_first()方法快速实现，这两个方法都能帮你用subtitle的值填充dimension1的空值，非常适合你的需求。

方法1：使用fillna()（直观易懂，适合新手） #

fillna()的作用是用指定值填充列中的空值，这里我们直接用对应步骤的subtitle列来填充dimension1的空值：

# 遍历每个步骤（示例中是step0到step3，共4个步骤）
for step_num in range(4):
    # 拼接当前步骤的列名
    dim_col = f'dimension1 (step {step_num})'
    sub_col = f'subtitle (step {step_num})'
    # 生成新列，用subtitle填充dimension1的空值
    df[f'step{step_num}'] = df[dim_col].fillna(df[sub_col])

# 查看处理后的核心结果
print(df[['idVisit', 'step0', 'step1', 'step2', 'step3']])

方法2：使用combine_first() #

combine_first()会优先使用左边列的值，当左边列有空值时，用右边列的值补充，效果和fillna()一致：

for step_num in range(4):
    dim_col = f'dimension1 (step {step_num})'
    sub_col = f'subtitle (step {step_num})'
    df[f'step{step_num}'] = df[dim_col].combine_first(df[sub_col])

输出结果 #

运行代码后，生成的新列会符合你的预期：

内容的提问来源于stack exchange，提问作者Beginner in the house