Python：合并DataFrame两列并复制对应ID列单元格的方法

问题场景 #

现有一个包含ID、col1、col2三列的DataFrame：

ID      col1  col2
0  item_1  abc   NaN
1  item_2  bcd   NaN
2  item_3  NaN   NaN
3  item_4  mnb   lkj

需将col1和col2合并为新的col1列，同时复制对应ID列单元格，得到如下结果：

ID      col1
item_1  abc
item_2  bcd
item_3  NaN
item_4  mnb
item_4  lkj

注：ID为普通列而非索引，尝试过stack().reset_index()方法但不符合需求，求可行方案。

解决方案 #

我来帮你搞定这个问题！用pandas的melt函数就能完美解决，这个方法专门用于宽表转长表，比stack更贴合你的需求——它能直接保留ID作为普通列，不用折腾索引。具体步骤如下：

1. 构造测试数据（可选，用于验证）

import pandas as pd

df = pd.DataFrame({
    'ID': ['item_1', 'item_2', 'item_3', 'item_4'],
    'col1': ['abc', 'bcd', pd.NA, 'mnb'],
    'col2': [pd.NA, pd.NA, pd.NA, 'lkj']
})

2. 使用melt转换列

# 转换宽表为长表，保留ID列，合并col1和col2为新的col1
result = df.melt(
    id_vars='ID',          # 指定要保留的核心列
    value_vars=['col1', 'col2'],  # 指定需要合并的目标列
    value_name='col1'     # 给合并后的列设置名称
).drop(columns='variable')  # 删除自动生成的原列名标记列，这个是我们不需要的

3. 处理重复的NaN行
   原数据中item_3的col1和col2都是NaN，转换后会生成两行重复的记录，我们用drop_duplicates去重，只保留一行即可：

result = result.drop_duplicates(subset=['ID', 'col1'], keep='first')

4. 重置索引（可选）
   如果需要让结果的索引从0开始连续编号，可以加上这一步：

result = result.reset_index(drop=True)

最终结果 #

执行完上述代码后，输出的result就是你想要的格式：

ID  col1
0  item_1   abc
1  item_2   bcd
2  item_3  <NA>
3  item_4   mnb
4  item_4   lkj

内容的提问来源于stack exchange，提问作者plnnvkv